Zyphra 9 ноября выпустила ZONOS3-Mini — открытую модель синтеза речи с клонированием голоса, рассчитанную на локальную работу, в том числе в браузере телефона. Веса доступны под Apache 2.0; для запуска опубликованы программные компоненты. После первоначальной загрузки модель может озвучивать текст на устройстве, без серверного выполнения.

По данным разработчика, предыдущая ZONOS2 насчитывала 8 млрд параметров, что ограничивало варианты размещения. У Mini их 800 млн, а при генерации задействуются около 100 млн: модель выбирает лишь часть своих вычислительных блоков. Zyphra также заменила способ представления звука, снизив нагрузку на генерацию. В её замерах первый звук появлялся менее чем через 570 мс в браузере Pixel 9 и менее чем через 150 мс на MacBook Air с M3. Это результаты на двух устройствах, а не обещание той же задержки на любом телефоне.

Карточка модели перечисляет 43 языка, включая русский. Пользователь может передать образец голоса или менять его характеристики и подачу — например, акцент, темп и эмоциональную окраску. Для браузерного режима нужна поддержка WebGPU, позволяющая использовать графический процессор; предусмотрены и отдельные среды запуска для компьютеров и серверов.

В собственном индексе качества Zyphra поставила новинку выше других проверенных открытых моделей. Независимое сравнение этим не заменено, а наличие языка в списке не устанавливает одинакового качества всей речи. Практический результат выпуска — доступный пакет для самостоятельного синтеза и управления голосом, который можно проверять на своих текстах и оборудовании.