ZONOS3-Mini: 100M 파라미터로 43개 언어 실시간 보이스 클로닝

Zyphra의 ZONOS3-Mini는 1억 개 활성 파라미터로 자연스러운 화합과 고해상도 보이스 클로닝을 수행하는 오픈소스 텍스트-음성 변환 모델이다. 스마트폰과 노트북에서 실시간으로 구동되며, WebGPU를 통해 브라우저 환경에서도 서버 설치 없이 바로 실행할 수 있다.

1 / 4

5~10초 분량의 오디오 샘플만으로 특정 화자의 목소리를 복제하거나, 연령과 억양, 음색을 조절해 캐릭터를 설계할 수 있다. 감정, 속도, 전달 방식을 단어 단위로 제어하여 게임 내보이스, 내레이션, 음성 비서 등 다양한 시나리오에 적용 가능하다.

영어, 한국어, 일본어 등 43개 언어를 지원하며, H100 80GB 환경에서 8개 동시 요청 시 첫 오디오 생성까지 80ms, 초당 457초 분량의 오디오를 처리하는 성능을 보인다. Apache 2.0 라이선스로 배포되어 상업적 활용이 가능하며, SGLang-Omni를 통해 OpenAI 호환 API로 서비스할 수도 있다.

NVIDIA GPU용 CUDA 서버, Apple Silicon용 MLX 서버, CPU 및 Vulkan 지원 C++/ggml 서버 등 다양한 네이티브 런타임이 제공된다. 개발자는 Zonos Voice Studio를 통해 브라우저에서 직접 모델을 테스트하거나, llama.cpp 및 Ollama 등 기존 인프라와 연동해 로컬 추론 파이프라인을 구축할 수 있다.