Zonos 3 Mini: ho clonato la mia voce nel browser, con i numeri della prova

Ho caricato nel browser una registrazione della mia voce di nove secondi e ho premuto genera. Il modello ha scaricato circa 920 megabyte; il primo audio è arrivato dopo 5,48 secondi, come mostrava l'interfaccia. Il progetto si chiama Zonos 3 Mini, è il modello di sintesi vocale open source di Zyphra e in questo articolo trovi la prova con i numeri misurati, il campione originale da ascoltare e i limiti che mi sono imposto.

Che cos'è Zonos

Zonos è il progetto di text-to-speech open di Zyphra: pesi pubblici su GitHub, una pagina del modello su Hugging Face e una demo che funziona direttamente dal browser. La variante Mini è quella più leggera, pensata per caricarsi in fretta anche senza hardware dedicato. Il flusso è semplice: dai una traccia di riferimento con la voce da imitare, scrivi una frase e il modello la recita con quella voce.

Come ho condotto la prova

Per non costruire un claim, ho seguito le stesse istruzioni che suggerirei a chiunque voglia ripetere il test:

• apri la demo dal repository di Zonos
• carica una clip pulita della tua voce, senza musica di sottofondo
• scegli l'italiano come lingua
• premi genera e attendi il primo audio

Il primo avvio ha scaricato circa 920 megabyte di modello: è il costo d'ingresso da mettere in preventivo, perché si paga in banda una volta sola. Dopo quel caricamento ho premuto genera e l'interfaccia ha mostrato il tempo del primo audio: 5,48 secondi.

Cosa ascolti nel video

Nel video lo short include il campione originale, isolato e senza voce narrante sopra: dura 5,67 secondi ed è un WAV mono a 44,1 kHz. Ho annotato anche il seed della generazione, 316310583, così il test è più facile da ripetere; il risultato può comunque variare in base a modello, impostazioni e ambiente. La mia voce arriva solo prima e dopo, per introdurre e concludere la prova.

Il giudizio sul risultato te lo risparmio di proposito: la somiglianza di una voce clonata si valuta all'orecchio, non nello screenshot. Ascolta il campione e decidi da solo se ti convince.

I limiti di questo test

• una sola sessione, su un solo computer con GPU NVIDIA RTX 4060 Ti: i tempi possono variare
• l'indicazione che il modello lavora nel browser arriva dalla pagina della demo; non ho condotto un audit di privacy né analizzato dove finiscono i dati
• un campione di 5,67 secondi non misura la stabilità su testi lunghi, né il comportamento con altre lingue

Chi dichiara un verdetto definitivo da una sessione unica sta vendendo più di quanto il test possa garantire. I numeri che ho scritto sono i dati della mia macchina nel giorno della prova; rifacendola otterrai i tuoi.

Dove trovare il progetto

Il repository GitHub di Zonos contiene il codice, le istruzioni di installazione e la demo; la pagina su Hugging Face raccoglie i pesi del modello. Il testo della licenza è leggibile direttamente nel repository: verificalo prima di usarlo in produzione, come faresti con qualsiasi strumento open.

Fonte: Repository GitHub di Zonos (Zyphra) — Da qui si arriva alla demo per rifare la prova.

Fonte: Pagina del modello Zonos su Hugging Face — Pesi pubblici del modello e scheda tecnica.

Fonte: Testo della licenza nel repository — Leggi le condizioni d'uso prima di integrarlo in un progetto.