浏览器里实时克隆声音，Zyphra 开源 TTS 把激活参数压到 100M

Zyphra 发布了 ZONOS3-Mini，一个 Apache 2.0 许可的开源 TTS 模型。官方给出的规格是 800M 总参数、100M 激活参数。它支持语音克隆、按词控制表达方式，目标是让模型在浏览器里实时运行。

TTS 不新鲜，语音克隆也不新鲜。ZONOS3-Mini 值得看一眼的地方在部署形态：100M 激活参数，加上浏览器端实时推理。如果这条路走通，语音 Agent、网页无障碍、短视频配音、交互式内容这些场景，原型成本会明显下降。开发者不用先搭一套 GPU 推理服务，才能验证一个声音想法。

按词控制表达方式也比较实用。常见 TTS 更多是整句级别调语速、音高或情绪，ZONOS3-Mini 把控制粒度压到词一级，做强调、停顿、语气变化时会更接近剪辑师的工作方式。当然，实际效果要看官方 demo、语言支持和延迟表现，单看参数不能下结论。

Apache 2.0 意味着商用和二次开发的门槛较低。对做语音产品的人来说，可以先关注三件事：浏览器端延迟能不能稳定，中文和多人对话表现如何，克隆声音在真实场景里的鲁棒性够不够。模型发布只是起点，工程体验才决定它会不会被留下来。