نموذج Ming-3.0-tts من Ant Group هو نموذج الأوزان المفتوحة رقم 1 الجديد في ساحة Artificial Analysis Controlled Voice TTS Arena ويحتل المرتبة #1 في قائمة Pronunciation Robustness لدينا، بالتساوي مع Drama 3 Preview من Fish Audio ومتقدمًا على Eleven v4
Ming-3.0-tts هو نموذج تحويل النص إلى كلام مفتوح الأوزان الجديد من فريق @AntLingAGI، وهو نموذج مكثف بـ 0.5B من المعاملات مع أصوات معدة مسبقًا واستنساخ صوتي عديم الحالة. الأوزان متاحة على Hugging Face بموجب رخصة MIT: Ming-3.0-tts-0.5B، إلى جانب نسخة mixture-of-experts بحجم 7.9B باسم Ming-3.0-tts-tiny.
أبرز النقاط:
➤ Pronunciation Robustness: يحصل Ming-3.0-tts على نسبة 93.2%، محتلًا المرتبة #1 بين 31 نموذجًا، بالتساوي مع Fish Audio Drama 3 Preview عند 93.2% ومتقدمًا على Eleven v4 عند 91.7%. ويحتل المرتبة #1 في Expanding Shorthand وPreserving Exact Sequences.
➤ Controlled Voice: Ming-3.0-tts هو نموذج الأوزان المفتوحة رقم 1 بتقييم Elo قدره 1,069 (+16/-16) عبر 1,827 ظهورًا، متقدمًا على Drama 3 Preview عند 1,059 وBreeze TTS 2 عند 1,019. ويحتل المرتبة #13 إجماليًا.
➤ Provider Voice: يمتلك Ming-3.0-tts تقييم Elo قدره 1,188 (+15/-15) عبر 1,957 ظهورًا، محتلًا المرتبة #3 بين نماذج الأوزان المفتوحة خلف Drama 3 Preview عند 1,245 وBreeze TTS 2 عند 1,220، والمرتبة #19 إجماليًا.
➤ الأوزان المفتوحة: Ming-3.0-tts هو نموذج الأوزان المفتوحة رقم 1 في اثنتين من قوائمنا الثلاث لتحويل النص إلى كلام، Controlled Voice وPronunciation Robustness، والمرتبة #3 في Provider Voice.
اطلع على مزيد من التفاصيل واستمع إلى العينات أدناه 🧵