Zonos-v0.1 est un modèle de synthèse vocale (TTS) en temps réel développé par l'équipe Zyphra, offrant une fonction de clonage vocal haute fidélité. Ce modèle comprend un modèle Transformer de 1,6 milliard de paramètres et un modèle hybride de 1,6 milliard de paramètres, tous deux publiés sous la licence open source Apache 2.0. Il est capable de générer une voix naturelle et expressive à partir d'une invite textuelle et prend en charge plusieurs langues. De plus, Zonos-v0.1 peut réaliser un clonage vocal de haute qualité à partir d'un extrait vocal de 5 à 30 secondes, et peut être ajusté en fonction de la vitesse de parole, de la tonalité, de la qualité sonore et de l'émotion. Ses principaux avantages sont une haute qualité de génération, une interaction en temps réel et des fonctionnalités de contrôle vocal flexibles. La publication de ce modèle vise à stimuler la recherche et le développement dans le domaine de la technologie TTS.