ZONOS3-Mini: Ein neues Sprachmodell von Zyphra, das sogar im Browser läuft

ZONOS3-Mini: Ein neues Sprachmodell von Zyphra, das sogar im Browser läuft

Ondřej Barták
Ondřej Barták
Unternehmer und Programmierer
13. 11. 2026
2 Minuten Lesezeit · 4 Aufrufe
ZONOS3-Mini: Ein neues Sprachmodell von Zyphra, das sogar im Browser läuft

Das US-amerikanische Unternehmen Zyphra hat ein neues Text-zu-Sprache-Modell namens ZONOS3-Mini veröffentlicht. Es wurde für den sofortigen Einsatz direkt auf dem Gerät des Nutzers entwickelt und nutzt eine Mixture-of-Experts-Architektur mit 800 Millionen Parametern, von denen nur 100 Millionen aktiv sind. Dadurch ermöglicht es flüssige Sprachausgabe in Echtzeit auf Smartphones und Notebooks, einschließlich der Ausführung in einem Webbrowser.

Kleiner und schneller als der Vorgänger

Mit der Neuheit reagiert Zyphra auf die größte Schwäche der vorherigen Version. Das Modell ZONOS2 verfügte über 8 Milliarden Parameter, und genau diese Größe schränkte seine Einsatzmöglichkeiten ein. Das Training des neuen Modells dauerte dabei nicht lange: Das Unternehmen stellte es innerhalb von zweieinhalb Tagen auf 112 Nvidia-H100-Grafikkarten fertig.

Das macht sich bei der Geschwindigkeit bemerkbar. Auf einer einzelnen H100-Karte beginnt das Modell bei acht gleichzeitigen Anfragen nach etwa 80 Millisekunden mit der Audioausgabe und erzeugt im besten Fall 457 Sekunden Audio in nur einer Sekunde. Ein einzelner Durchlauf bewältigt bis zu zehn Minuten Audio mit einer Abtastrate von 44,1 kHz.

Stimmklonen und eigene Charaktere

Das Modell beherrscht zwei zentrale Funktionen. Es kann anhand einer Audioaufnahme eine Stimme imitieren oder basierend auf vorgegebenem Alter, Akzent und Stimmfarbe einen völlig neuen Charakter erschaffen. Der Nutzer kann Emotionen, Tempo und Vortragsweise bis auf die Ebene einzelner Wörter steuern, was sich für Spiele, die Vertonung von Texten und Sprachassistenten eignet. Außerdem steht ein separates Bearbeitungsmodell zur Verfügung, mit dem sich Sätze nach der Generierung anpassen lassen.

Tschechische Nutzer dürfte die Sprachauswahl freuen. ZONOS3-Mini unterstützt 43 Sprachen, darunter im mittel- und osteuropäischen Bereich auch Tschechisch und Slowakisch. Für einen schnellen Einstieg bietet es 27 nach Sprachen unterteilte voreingestellte Stimmen.

Die Testergebnisse sehen gut aus, allerdings mit Vorbehalten. Im Modus mit Stimmabdruck erzielte das Modell im Gesamtindex 66,2 Punkte, während Fish Audio S2 Pro 61,7 und MOSS-TTS v1.5 60,2 Punkte erreichten. Der Test wurde jedoch von Zyphra selbst konzipiert und durchgeführt. Beim direkten Klonen anhand einer Referenzaufnahme erzielte das Modell nur 44,7 Punkte, und bei der Bewertung der Audioqualität liegt es hinter den Modellen Fish S2 Pro und Qwen3-TTS.

Wo und wie man es ausprobieren kann

Das Unternehmen hat die Modellgewichte unter der Apache-2.0-Lizenz veröffentlicht, sodass sie kostenlos heruntergeladen und verwendet werden können. Wer nichts installieren möchte, kann auf die gehostete Version in Zyphra Cloud zurückgreifen.

Der einfachste Weg führt über den Browser. Dort läuft das Modell vollständig auf der Grafikkarte des Nutzers über die WebGPU-Technologie, ohne Installation und ohne Server. Beim ersten Besuch wird es heruntergeladen und vom System für die spätere Nutzung gespeichert. Entwicklern stehen außerdem eigene Umgebungen von Zyphra zur Verfügung, konkret ein Server für Nvidia-Karten, eine Version für Apple-Silicon-Chips und ein Server in C++, der über CUDA, Metal oder Vulkan sowohl auf dem Prozessor als auch auf Grafikkarten läuft. Über SGLang-Omni lässt sich das Modell hinter einer OpenAI-kompatiblen Schnittstelle bereitstellen, einschließlich fortlaufender Audiowiedergabe und Stimmklonen, ohne dass die Beispielaufnahme transkribiert werden muss.

Werbung

Inhalte entstehen mit Unterstützung von UpTier.

SEO und GEO auf Autopilot. Die Multiagentensysteme von UpTier schreiben und optimieren Inhalte für Suchmaschinen und KI-Antworten.

UpTier entdecken ↗

Kategorie:KI
Hat Ihnen dieser Artikel gefallen?
Entdecken Sie weitere interessante Beiträge im Blog
Zurück zum Blog

Ähnliche Beiträge

OpenAI führt GPT-6.2 Astra und Sol für berufliche und alltägliche Aufgaben einOpenAI führt GPT-6.2 Astra und Sol für berufliche und alltägliche Aufgaben ein
OpenAI hat zwei Modelle vorgestellt: Astra ist für komplexe berufliche Aufgaben gedacht, Sol für die alltägliche Arbeit. Beide sind in ChatGPT Work, Codex und über die API verfügbar.
3 Min. Lesezeit
17. 11. 2026
Tencent veröffentlicht Hy4 Flash mit Bildunterstützung und Kontextfenster von bis zu einer Million TokensTencent veröffentlicht Hy4 Flash mit Bildunterstützung und Kontextfenster von bis zu einer Million Tokens
Das schlankere Modell Hy4 Flash ist für Chats, Dokumente und alltägliche Codeänderungen gedacht. Es verarbeitet Text und Bilder, unterstützt Werkzeuge und erreichte laut Tencent in Tests zu Alltagsaufgaben vergleichbare Ergebnisse wie Claude Haiku 5.5.
1 Min. Lesezeit
16. 11. 2026
Mit einer chinesischen Spionin verbundene Firmen investierten in DeepSeek und versprachen verbotene Nvidia-ChipsMit einer chinesischen Spionin verbundene Firmen investierten in DeepSeek und versprachen verbotene Nvidia-Chips
An der jüngsten Finanzierungsrunde von DeepSeek beteiligten sich auch Firmen mit Verbindungen zu einer mutmaßlichen chinesischen Spionin. Im Gegenzug für Anteile sollen sie verbotene Nvidia-Blackwell-Chips zugesagt haben.
3 Min. Lesezeit
16. 11. 2026
Přihlaste se k odběru našeho newsletteru
Zůstaňte informováni o nejnovějších příspěvcích, exkluzivních nabídkách, a aktualizacích.
CodedTrip

Betreiber: CodedTrip LLC, USA.

YouTube
TikTok