Zonos：油管博主集体转粉！开源TTS神器Zonos爆火：克隆你的声音说5国语言，还能调喜怒哀乐

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

---

🎬 “百万播放博主秘密武器！开源AI声优Zonos上线：你的声音能说五国方言，悲伤快乐一键切换”

大家好，我是蚝油菜花。你是否遇到过——

• 🎧 录中文视频想拓展海外市场，重录多语言版累到声带撕裂
• 🎙️ 买商用TTS服务，发现情感语调僵硬得像新闻联播重播
• 💸 想克隆自己声纹，专业工具动不动收费$0.2/秒…

今天要拆解的 ZyphraAI Zonos ，正在用开源力量终结这些痛苦！这个基于20万小时训练的TTS模型，不仅能克隆你的声音说中英日法德，还能通过情感滑块调节喜怒哀乐。更震撼的是——所有代码Apache 2.0开源，接下来就带你看如何免费打造专属AI声优！

🚀 快速阅读

Zonos 是 ZyphraAI 推出的高保真多语言 TTS 模型，支持语音克隆和情感控制。

1. 核心功能：零样本 TTS、语音克隆、音频前缀输入、多语言支持。
2. 技术原理：基于 eSpeak 工具进行文本预处理，使用 Transformer 或混合骨干网络预测 DAC 标记，通过自编码器生成高质量语音。

Zonos 是什么

Zonos 是 ZyphraAI 推出的一个高保真文本到语音（TTS）模型。它包含两个版本的模型：一个是拥有 16 亿参数的 Transformer 模型，另一个是 SSM 混合模型，均在 Apache 2.0 许可下开源。Zonos 可以根据文本提示和说话人嵌入生成自然、高表达性的语音，支持语音克隆功能，用户可以调节语速、音高、情感等参数，输出采样率为 44kHz。

Zonos 基于约 20 万小时的多语言语音数据训练，主要支持英语，同时对其他语言如日语、中文、法语和德语也有一定的支持。该模型提供了优化的推理引擎，能够快速生成语音，适合实时应用。

Zonos 的主要功能

• 零样本 TTS 与语音克隆：输入文本和 10-30 秒的说话者样本，生成高质量的 TTS 输出。
• 音频前缀输入：基于添加文本和音频前缀，更精确地匹配说话者的声音，实现难以通过说话者嵌入复制的行为，如耳语。
• 多语言支持：支持英语、日语、中文、法语和德语。
• 音频质量和情感控制：支持精细控制语速、音高、最大频率、音频质量和各种情感，如快乐、愤怒、悲伤等。

Zonos 的技术原理

• 文本预处理：基于 eSpeak 工具进行文本归一化和音素化，将输入文本转换为音素序列。
• 特征预测：使用 Transformer 或混合骨干网络（Hybrid Backbone）预测 DAC（Discrete Audio Codec）标记。
• 语音生成：基于预测的 DAC 标记，使用自编码器（Autoencoder）解码生成高质量的语音输出。

如何运行 Zonos

1. Python 示例

import torch
import torchaudio
from zonos.model import Zonos
from zonos.conditioning import make_cond_dict

# 加载预训练模型
model = Zonos.from_pretrained("Zyphra/Zonos-v0.1-transformer", device="cuda")

# 加载音频文件并生成说话人嵌入
wav, sampling_rate = torchaudio.load("assets/exampleaudio.mp3")
speaker = model.make_speaker_embedding(wav, sampling_rate)

# 创建条件字典
cond_dict = make_cond_dict(text="Hello, world!", speaker=speaker, language="en-us")
conditioning = model.prepare_conditioning(cond_dict)

# 生成语音
codes = model.generate(conditioning)
wavs = model.autoencoder.decode(codes).cpu()

# 保存生成的语音
torchaudio.save("sample.wav", wavs[0], model.autoencoder.sampling_rate)

2. Gradio 界面（推荐）

uv run gradio_interface.py
# 或者
python gradio_interface.py

这将生成一个 sample.wav 文件在你的项目根目录中。为了提高效率，建议使用 Gradio 界面进行重复采样，因为最小示例每次运行时都需要重新加载模型。

资源

• GitHub 仓库：https://github.com/Zyphra/Zonos
• 项目主页：https://www.zyphra.com/post/beta-release-of-zonos-v0-1

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦