في مجال توليد الصوت بالذكاء الاصطناعي، يشهد المعسكر مفتوح المصدر اختراقًا هامًا. إذ أعلنت وكالة التقييم المستقلة للذكاء الاصطناعي Artificial Analysis مؤخرًا أحدث قائمة لساحة المنافسة الخاصة بالنماذج الصوتية الكبيرة (TTS)، حيث حقق النموذج الجديد مفتوح المصدر لتحويل النص إلى كلام Ming-3.0-tts المقدَّم من فريق مجموعة Ant أداءً لامعًا، وحصد المرتبة الأولى في العديد من المؤشرات الأساسية دفعة واحدة.
وباعتباره نموذجًا خفيفًا وفعالًا بمعاملات مشفرة، يوفر Ming-3.0-tts أصواتًا مسبقة الإعداد متنوعة بالإضافة إلى قدرة استنساخ الأصوات عديمة الحالة. وقد تم إتاحة أوزانه بالكامل كمصدر مفتوح على منصة Hugging Face بموجب ترخيص MIT، حيث تم إطلاق نسخة نموذج كثيفة بـ0.5B من المعاملات، إضافة إلى نسخة متغيرة تعتمد معمارية مزيج الخبراء (MoE) بحجم 7.9B باسم Ming-3.0-tts-tiny.
وفي الاختبارات المرجعية الموثوقة والقوائم التفصيلية المحددة، أظهر Ming-3.0-tts هيمنة تقنية قوية:
أولها قائمة متانة النطق (Pronunciation Robustness)، حيث حقق النموذج درجة عالية بلغت 93.2%، محققًا المرتبة الأولى بالمشاركة بين 31 نموذجًا عالميًا رئيسيًا شاركوا في التقييم، وفي مستوى نفس مستوى Drama3Preview من Fish Audio، ومتقدمًا على Eleven v4 الذي حصل على 91.7%. وعلى وجه الخصوص، عند التعامل مع المهام عالية الصعوبة مثل توسيع الاختصارات والحفاظ الدقيق على التسلسلات، كان أداء النموذج متميزًا، إذ تمكن من التعامل بدقة مع تحديات نطق مختلف النصوص المعقدة.
وثانيها في ساحة الصوت المُتحكَّم بها (Controlled Voice Arena) — وهو اختبار يتم من خلاله إجراء مقارنة أعمى أفقية باستخدام 8 أصوات مستنسخة موحدة — تمكن Ming-3.0-tts من تصدرت قائمة النماذج مفتوحة المصدر، محققًا تقييم Elo بلغ 1،069 من بين 1827 تقييمًا، متقدمًا على Drama3Preview الذي حصل على 1،059 وBreeze TTS2 الذي حصل على 1،019، بينما جاء في المرتبة 13 في القائمة الإجمالية.
بالإضافة إلى ذلك، في قائمة الأصوات الأصلية لمزودي المنصة (Provider Voice)، حصل النموذج على تقييم Elo بلغ 1،188 من بين 1957 تقييمًا، ليحتل المرتبة الثالثة بين النماذج مفتوحة المصدر، والمرتبة 19 في القائمة الإجمالية. وإجمالًا، نجح Ming-3.0-tts في تحقيق المرتبة الأولى بين النماذج مفتوحة المصدر في بعدين رئيسيين من قوائم الصوت الثلاث الأساسية، وهما "الصوت المتحكم به" و"متانة النطق"، مقدماً بذلك نتيجة لامعة للمطورين حول العالم.
رابط المشروع: https://huggingface.co/spaces/hugging-apps/ming-3-tts-tiny