ZONOS3-Mini vs Drama 3: ¿qué modelo TTS abierto nuevo?

ZONOS3-Mini es un modelo Apache 2.0 de 800M para 43 idiomas que corre en el navegador. Drama 3 es un modelo de 36B para 83 idiomas, gratis solo bajo 500 mil USD de ingresos.

  • Actualización

Veredicto. Elige por tamaño y licencia. ZONOS3-Mini tiene 800M parámetros con unos 100M activos, 43 idiomas, controles de acento, edad, emoción y énfasis en palabras sueltas, y pesos Apache 2.0 puros, y Zyphra distribuye runtimes que lo ejecutan en un navegador, en Apple Silicon o en una CPU. Drama 3 tiene 36B parámetros con unos 3B activos, 83 idiomas, indicaciones escritas en el texto como [whispering], y hasta 16 etiquetas de hablante en un solo guion, pero su checkpoint principal pesa 41.5 GB y la Fish Audio Community License es gratis para uso comercial solo bajo 500.000 USD anuales y nunca cubre un servicio de voz alojado. La afirmación de calidad de cada proveedor sale de su propio benchmark: Zyphra coloca a ZONOS3-Mini primero entre los modelos abiertos en su propio índice, y Fish Audio reporta 93.2% en el benchmark de robustez de pronunciación de Artificial Analysis, así que ambas afirmaciones no son comparables. Ambos clonan voces, así que consigue primero el consentimiento del hablante.

Especificaciones

Especificaciones ZONOS3-MiniDrama 3
DesarrolladorZyphraFish Audio
Lanzamiento9 de noviembre de 202613 de octubre de 2026
Parámetros totales800M (ZONOS3-Mini)35.9B (Drama 3)
Parámetros activos100M3B
ArquitecturaMezcla de expertos (MoE)Mezcla de expertos (MoE)
Ventana de contexto––
EntradaTexto, AudioTexto, Audio
Licencia Apache 2.0 (Permisiva) Fish Audio Community 1.0 (Condicional)
Memoria de la variante más pequeña (4 bits)10 GB (ZONOS3-Mini)25 GB (Drama 3 INT4 (hybrid W4A16, unofficial quantization))

Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.

Elige ZONOS3-Mini si

  • Quieres pesos Apache 2.0 puros sin tope de ingresos, incluso para un servicio de voz alojado.
  • Necesitas correrlo en un portátil, un teléfono o el navegador: Zyphra distribuye runtimes WebGPU, MLX y C++, y los pesos del modelo de lenguaje son 1.8 GB en BF16.
  • Quieres control fino de la dicción: acento, edad, emoción y énfasis en palabras sueltas, más un modelo de edición que reescribe parte de una frase ya generada.
  • Puedes conformarte con 43 idiomas, y con normalización de texto para solo nueve de ellos.

Elige Drama 3 si

  • Necesitas 83 idiomas, o escenas interpretadas con hasta 16 hablantes en un solo guion.
  • Quieres indicaciones en el texto, como [whispering] o [laughs], que pueden escribirse en otro idioma distinto al de la línea.
  • Según nuestra estimación, tienes una GPU de unos 48 GB para la build FP8, o de unos 25 GB para la build INT4 no oficial.
  • Tu negocio ingresa menos de 500.000 USD al año y usas el modelo para tu propio contenido o producto, no como servicio de voz para otros.

ZONOS3-Mini · Drama 3