跳到正文
arXiv · AI· Gabriel Clark, Sofian Mejjoute, George Close, Beren Millidge·· 7 天前AI 评分38

ZONOS3-Mini 技术报告:8.86 亿参数实现实时零样本语音克隆

ZONOS3-Mini Technical Report

AI 导读

ZONOS3-Mini 是一款超紧凑型实时零样本语音克隆 TTS 模型,可在笔记本电脑或手机上运行。 模型采用 886M 参数的潜在 MoE 骨干网络(每 token 激活 100M)及 15 Hz 帧率的 ZAC-1 音频编解码器,支持 44.1 kHz 音频。 在 ZTTS2-Eval 基准上,其 55 个语言集的宏平均 WER 为 6.71%,模型权重与代码已开源。

来源:arXiv · AI · arxiv.org