Zonos-v0.1 es un modelo de texto a voz (TTS) en tiempo real desarrollado por el equipo de Zyphra, con capacidad de clonación de voz de alta fidelidad. El modelo incluye un modelo Transformer de 1.6B parámetros y un modelo híbrido (Hybrid) de 1.6B parámetros, ambos publicados bajo la licencia de código abierto Apache 2.0. Es capaz de generar voz natural y expresiva a partir de indicaciones de texto, y admite varios idiomas. Además, Zonos-v0.1 puede clonar voces de alta calidad a partir de fragmentos de voz de 5 a 30 segundos y permite ajustes en la velocidad del habla, el tono, la calidad del sonido y las emociones. Sus principales ventajas son la alta calidad de generación, la capacidad de interacción en tiempo real y la flexibilidad en el control de voz. El lanzamiento de este modelo tiene como objetivo impulsar la investigación y el desarrollo de la tecnología TTS.