ZONOS3 Mini

ZONOS3 Mini

用 Zyphra 的 ZONOS3-Mini 模型，把最多 600 个字符的文字转成语音，支持多种语言和预设声音。这是一个在 Hugging Face 上运行的 Gradio 应用。

由 fffiloni 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是一个小型 Gradio 应用，对应 Zyphra 的 ZONOS3-Mini 文字转语音模型。你输入最多 600 个字符，选一种语言和一个预设声音，点一个按钮就能得到一段 WAV 语音。界面由 Sylvain Filoni 设计，以 Hugging Face Space 的形式在 ZeroGPU 上运行。

适合谁：想要从文字得到一小段语音、又不想自己搭模型的人，以及想看一个做工精细的 Gradio 文字转语音界面范例的开发者。

Industry | Who uses it | How they use it | Example
媒体 | 视频创作者 | 把一句短脚本变成语音片段 | 给视频配一句开场白
教育 | 语言学习者 | 听一句话用另一种语言读出来 | 朗读一句法语短语
软件 | 应用开发者 | 研究音频播放器和设置是怎么做的 | 借用波形显示的思路
研究 | 语音模型爱好者 | 用不同的采样设置试用模型 | 对同一句话比较两个种子

如果你需要长音频，可以跳过它，因为文本框在 600 个字符处就停了。

用在哪里：

• 网页浏览器，在 Hugging Face 上这个 Space 的页面里
• 你自己的电脑，作为本地副本，前提是装好了 Python 3.12
• Hugging Face ZeroGPU 环境，托管版本就运行在这里

Use case | Who | What they get back
朗读一小段文字 | 创作者和学习者 | 一段可在浏览器播放、也可下载的 WAV 文件
试用其他语言 | 语言学习者 | 你所选语言的语音
用参考片段做类似克隆的声音 | 进阶用户 | 受可选参考片段引导的语音

如何设置：

• 本地副本需要 Python 3.12 和 pip
• requirements.txt 里列出的 Python 包
• packages.txt 里列出的系统包，Hugging Face 在自己的服务器上用 apt-get 安装
• 如果只用在线 Space，就什么都不用装

1. 想在线使用，就打开 Hugging Face 上这个 Space 的页面。
2. 想要本地副本，先安装 Hugging Face hub 包，再下载这个 Space。
3. 进入新文件夹，安装指定版本的 Gradio。
4. 安装 requirements.txt 里的包。
5. 用 Python 启动应用。

pip install -U huggingface_hub
hf download fffiloni/ZONOS3-Mini --repo-type space --local-dir ZONOS3-Mini
cd ZONOS3-Mini
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

托管的 Space 运行在 zero-a10g 硬件上。README 没有说明本地运行除了上面的包还需要什么。

如何使用：写下你的文字，选择语言和预设声音，然后选 Generate speech。开启 Auto-play result 时，做好的音频会自动播放，这是默认设置，你可以在 Voice settings 里关掉它。你也可以拖动进度和下载文件。

Tool | What it does
Generate speech | 根据你的文字、语言和声音生成音频
Auto-play result | 不用点击就播放做好的音频
Voice options | 放参考片段、同意勾选框、种子、语速和采样设置
Examples | 九个按钮，自动填好文字、语言和声音

示例：你选英语和一个预设声音，输入一句简短的欢迎语，然后选 Generate speech。应用会显示进度，随后播放你这句话的 WAV，波形线会跟着声音起伏。你可以下载这个文件。

新手与专家：如果你是新手，先在线打开这个 Space，试一个示例按钮。它们会替你填好文字、语言和声音，所以第一次运行只需点一下 Generate speech。

如果你熟悉这个领域，每个采样控件都把滑块和精确的数字框配在一起。它们包括 temperature、repetition penalty、top-p 和 top-k，另外你还能调种子、归一化和语速。README 说检查用的是短的法语和英语生成，并且它不是音质基准测试。参考片段是可选的，并带有一个同意勾选框，所以只使用你有权使用的声音。

输入文字并选语言和声音
选择 Generate speech
ZONOS3-Mini 在 ZeroGPU 上运行
WAV 在浏览器里播放
你下载这个文件

注意事项：

• License: mit
• Cost to run: 没有提到费用，不过托管的 Space 会用到 Hugging Face 的 ZeroGPU 额度
• Data it reaches: 你输入的文字和你添加的参考片段，以及从 Hugging Face 拉取的模型文件
• Not for: 超过 600 个字符的长文本，以及你无权复制的声音

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/fffiloni/ZONOS3-Mini
• 文件：https://huggingface.co/spaces/fffiloni/ZONOS3-Mini/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。