---
title: ZONOS2-demo-1
canonical_url: "https://www.modelscope.cn/studios/AI-ModelScope/ZONOS2-demo-1"
md_url: "https://www.modelscope.cn/studios/AI-ModelScope/ZONOS2-demo-1.md"
repository: AI-ModelScope/ZONOS2-demo-1
last_updated: 2026-06-22
sdk_type: gradio
sdk_version: 6.17.3
downloads: 0
stars: 31
---

# ZONOS2-demo-1

> ZONOS2-demo-1 - AI-ModelScope 在 ModelScope 创建的在线 Demo。ZONOS2 Text-to-Speech Demo

AI-ModelScope/ZONOS2-demo-1 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 6.17.3 构建。

- **Repository**: AI-ModelScope/ZONOS2-demo-1
- **SDK**: gradio
- **SDK version**: 6.17.3
- **Downloads**: 0
- **Stars**: 31
- **Last updated**: 2026-06-22

Source: https://www.modelscope.cn/studios/AI-ModelScope/ZONOS2-demo-1

---

# ZONOS2 Text-to-Speech Demo

[ZONOS2](https://www.modelscope.cn/models/Zyphra/ZONOS2) 是 Zyphra 开发的领先开源 TTS 模型，基于超过 **600 万小时** 多语言语音数据训练，采用 MoE（Mixture-of-Experts）架构，实现低延迟高质量语音合成。

## 功能特性

- **零样本语音克隆**: 仅需 10-30 秒参考音频即可克隆声音
- **多语言支持**: 覆盖 30+ 种语言
  - Tier 1: 英语、中文、日语
  - Tier 2: 韩语、法语、德语、西班牙语等
  - Tier 3: 印地语、泰语、阿拉伯语等
- **精细控制**: 语速、音调、情感等参数可调
- **高质量输出**: 原生 44kHz 采样率

## 使用方法

1. 在文本框中输入要合成的文本
2. (可选) 上传参考音频进行语音克隆
3. 选择语言和其他参数
4. 点击 "Generate Speech" 按钮生成语音

## 系统要求

- GPU: NVIDIA GPU (推荐 RTX 3090 或更高)
- VRAM: 6GB+
- 系统: Linux (x86_64)

## 技术架构

ZONOS2 使用以下推理流程:
1. **文本归一化**: 通过 NeMo TN 进行 UTF-8 字节归一化
2. **说话人嵌入**: ECAPA-TDNN 提取说话人身份特征
3. **音频生成**: MoE 骨干网络生成 DAC 音频 token

## 相关链接

- 模型: [Zyphra/ZONOS2](https://www.modelscope.cn/models/Zyphra/ZONOS2)
- GitHub: [Zyphra/Zonos](https://github.com/Zyphra/Zonos)
- 在线体验: [cloud.zyphra.com/audio-playground](https://cloud.zyphra.com/audio-playground)

## Clone with HTTP

```bash
git clone https://www.modelscope.cn/studios/Jz02070540/ZONOS2-demo.git
```