产品简介
ZONOS2 是基于混合专家架构的开源文本转语音模型，具备低延迟、高表现力与高质量的特点。它尤其擅长高保真声音克隆，支持包括中、英、日在内的多种语言，适合需要高质量语音合成的开发者、内容创作者及研究人员。
核心功能
- 采用MoE架构，实现低延迟与高质量语音生成
- 基于超过600万小时多语言语音数据训练
- 支持高保真、自然度极高的声音克隆
- 支持包括中文、英文、日文在内的多种语言
- 提供基于Mini-SGLang的高性能本地推理服务器
快速开始
- 克隆仓库代码并进入目录（`git clone ... && cd ...`）
- 使用 `uv sync` 安装项目依赖
- 使用 `uv run python -m zonos2 ...` 命令启动TTS推理服务器
- 通过Web浏览器访问 `http://localhost:1919` 使用图形界面，或使用curl命令行生成语音
界面预览
与其他方案对比
| 对比项 | ZONOS2 | 同类方案 |
|---|---|---|
| 声音克隆能力 | 强调高保真、自然度极高的声音克隆功能 | 许多开源TTS模型主要提供预置音色，声音克隆能力较弱或非核心 |
| 推理灵活性 | 同时提供基于Mini-SGLang的高性能服务器和纯CPU的ggml实现 | 通常仅提供单一推理方式或对硬件有特定要求 |
| 语言支持层次 | 明确划分了三个语言支持层级，重点优化Tier 1（中英日）的语言质量 | 支持语言虽多但通常不分层级，发音质量可能参差不齐 |
适合谁用
- 需要高质量、低延迟语音合成服务的开发者与研究人员
- 需要进行声音克隆或个性化语音内容创作的制作者
- 需要将多语言文本转换为自然语音的多语言内容生产者
下载与版本
当前最新版本为 main，发布于 。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/Zyphra/ZONOS2