Zonos-v0.1 é um modelo de texto para fala (TTS) em tempo real desenvolvido pela equipe Zyphra, com capacidade de clonagem de voz de alta fidelidade. O modelo inclui um modelo Transformer de 1,6B de parâmetros e um modelo híbrido (Hybrid) de 1,6B de parâmetros, ambos lançados sob a licença de código aberto Apache 2.0. Ele é capaz de gerar fala natural e expressiva a partir de prompts de texto e suporta vários idiomas. Além disso, o Zonos-v0.1 pode clonar vozes de alta qualidade a partir de clipes de áudio de 5 a 30 segundos e pode ser ajustado com base em condições como velocidade de fala, tom, qualidade de timbre e emoção. Seus principais benefícios são a alta qualidade de geração, suporte a interação em tempo real e recursos flexíveis de controle de voz. O lançamento deste modelo visa impulsionar a pesquisa e o desenvolvimento da tecnologia TTS.