Zyphra发布了Zamba2-VL系列开放视觉语言模型，包含12亿、27亿和70亿参数。该模型采用混合SSM-Transformer架构，支持图像与文本的理解与关联，推理速度快，适用于文档提取和库存盘点等场景。尽管在知识推理方面表现不如大型模型，但在视觉计数和文档理解上具有优势。模型权重和推理代码已公开。

Zonos-v0.1 是一款新发布的高保真文本转语音 (TTS) 模型，支持多语言，基于 200,000 小时语音数据训练，能够生成自然且富有表现力的语音，用户可控制音调和情感，优化了实时性能，适用于内容创作和辅助技术等领域。