品玩6月15日讯，Zyphra近日宣布，正式开源语音合成模型ZONOS2。作为首个采用稀疏混合专家（MoE）架构的开源TTS系统，其总参数达80亿，推理时仅需激活9亿参数。该模型主打高保真度与零样本声音克隆，无需微调即可生成逼真音频。

技术上，ZONOS2直接预测DAC离散标记以输出44.1kHz录音室级音质，并摒弃传统音素生成器，直接读取UTF-8字节，显著提升了中日韩文及中英混读效果。其训练数据量从初代的20万小时扩展至600多万小时，通过多阶段清洗方案有效减少了幻觉与误读现象。

随同发布的还有全新评估基准ZTTS1-Eval。ZONOS2基于Apache 2.0协议开放权重并提供GitHub推理代码，同时在Zyphra云平台提供限时免费在线试用。