Ant Groups Ming-3.0-tts ist das neue #1-Open-Weights-Modell in der Artificial Analysis Controlled Voice TTS Arena und belegt Platz #1 in unserer Pronunciation Robustness-Rangliste, gleichauf mit Fish Audios Drama 3 Preview und vor Eleven v4
Ming-3.0-tts ist das neue Open-Weights-Text-to-Speech-Modell des @AntGroup-Teams, ein dichtes Modell mit 0,5B Parametern mit voreingestellten Stimmen und zustandslosem Voice Cloning. Die Gewichte sind auf Hugging Face unter der MIT-Lizenz verfügbar: Ming-3.0-tts-0.5B, alongside a 7.9B mixture-of-experts variant, Ming-3.0-tts-tiny.
Wichtigste Erkenntnisse:
➤ Pronunciation Robustness: Ming-3.0-tts erreicht 93.2% und belegt Platz #1 von 31 Modellen, gleichauf mit Fish Audio Drama 3 Preview bei 93.2% und vor Eleven v4 mit 91.7%. Es belegt Platz #1 bei Expanding Shorthand und Preserving Exact Sequences.
➤ Controlled Voice: Ming-3.0-tts ist das #1-Open-Weights-Modell mit einem Elo von 1,069 (+16/-16) über 1,827 Auftritte, vor Drama 3 Preview mit 1,059 und Breeze TTS 2 mit 1,019. Insgesamt belegt es Platz #13.
➤ Provider Voice: Ming-3.0-tts hat einen Elo von 1,188 (+15/-15) über 1,957 Auftritte und belegt Platz #3 unter den Open-Weights-Modellen hinter Drama 3 Preview mit 1,245 und Breeze TTS 2 mit 1,220 sowie Platz #19 insgesamt.
➤ Open weights: Ming-3.0-tts ist das #1-Open-Weights-Modell auf zwei unserer drei Text-to-Speech-Ranglisten, Controlled Voice und Pronunciation Robustness, und #3 bei Provider Voice.
Weitere Details und Hörproben unten 🧵