ZONOS2는 Zyphra가 공개한 오픈 웨이트 TTS 모델로, 600만 시간 이상의 다국어 음성으로 학습한 MoE(Mixture-of-Experts) 백본을 사용한다. 정규화된 UTF-8 바이트 텍스트와 ECAPA-TDNN 화자 임베딩으로 DAC 오디오 토큰을 생성하며, 참조 음성 기반 보이스 클로닝을 지원한다. 영어·중국어·일본어를 1티어로, 한국어를 포함한 10개 언어를 2티어로 지원한다. Mini-SGLang 기반 스트리밍 추론 서버와 웹 UI, 오프라인 Python API를 제공한다. 코드는 MIT, Hugging Face 가중치는 Apache-2.0이며, 공식 서버는 Linux와 NVIDIA GPU가 필요하다.