ZONOS3-Mini vs Drama 3 : quel nouveau modèle TTS ouvert ?
ZONOS3-Mini est un modèle Apache 2.0 de 800M pour 43 langues qui tourne dans un navigateur. Drama 3 est un modèle de 36B pour 83 langues, gratuit seulement sous 500 k US$ de revenus.
Verdict. Choisissez selon la taille et la licence. ZONOS3-Mini a 800M de paramètres dont environ 100M actifs, 43 langues, des réglages d'accent, d'âge, d'émotion et d'emphase sur des mots isolés, et des poids Apache 2.0 purs ; Zyphra fournit des runtimes qui l'exécutent dans un navigateur, sur Apple Silicon ou sur un CPU. Drama 3 a 36B de paramètres dont environ 3B actifs, 83 langues, des didascalies écrites dans le texte comme [whispering], et jusqu'à 16 étiquettes de locuteur dans un même script, mais son checkpoint principal pèse 41.5 GB et la Fish Audio Community License n'est gratuite pour un usage commercial que sous 500 000 US$ de revenus annuels, sans jamais couvrir un service de voix hébergé. Chaque affirmation de qualité provient du benchmark du vendeur lui-même : Zyphra classe ZONOS3-Mini premier des modèles ouverts dans son propre indice, et Fish Audio rapporte 93.2 % au benchmark de robustesse de prononciation d'Artificial Analysis ; ces deux affirmations ne sont pas comparables. Les deux clonent des voix : obtenez d'abord le consentement du locuteur.
Spécifications
| Spécifications | ZONOS3-Mini | Drama 3 |
|---|---|---|
| Développeur | Zyphra | Fish Audio |
| Date de sortie | 9 novembre 2026 | 13 octobre 2026 |
| Paramètres totaux | 800M (ZONOS3-Mini) | 35.9B (Drama 3) |
| Paramètres actifs | 100M | 3B |
| Architecture | Mixture of experts (MoE) | Mixture of experts (MoE) |
| Fenêtre de contexte | – | – |
| Entrée | Texte, Audio | Texte, Audio |
| Licence | Apache 2.0 (Permissive) | Fish Audio Community 1.0 (Conditionnelle) |
| Mémoire pour la plus petite variante (4 bits) | 10 GB (ZONOS3-Mini) | 25 GB (Drama 3 INT4 (hybrid W4A16, unofficial quantization)) |
Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.
Choisissez ZONOS3-Mini si
- Vous voulez des poids Apache 2.0 purs sans plafond de revenus, y compris pour un service de voix hébergé.
- Vous devez l'exécuter sur un portable, un téléphone ou dans un navigateur : Zyphra fournit des runtimes WebGPU, MLX et C++, et les poids du modèle de langage font 1.8 GB en BF16.
- Vous voulez un contrôle fin de la diction : accent, âge, émotion et emphase sur des mots isolés, plus un modèle d'édition qui réécrit une partie d'une phrase déjà générée.
- Vous pouvez vous contenter de 43 langues, et d'une normalisation de texte pour neuf d'entre elles seulement.
Choisissez Drama 3 si
- Vous avez besoin de 83 langues, ou de scènes jouées avec jusqu'à 16 locuteurs dans un même script.
- Vous voulez des didascalies dans le texte, comme [whispering] ou [laughs], qui peuvent être écrites dans une langue différente de la réplique elle-même.
- Selon notre estimation, vous avez une GPU d'environ 48 GB pour la build FP8, ou d'environ 25 GB pour la build INT4 non officielle.
- Votre entreprise gagne moins de 500 000 US$ par an et vous utilisez le modèle pour votre propre contenu ou produit, non comme service de voix pour des tiers.