Ant Group’s Ming-3.0-tts ist das neue #1-Open-Weights-Modell in der Artificial Analysis Controlled Voice TTS Arena und belegt den #1 Platz auf unserer Pronunciation Robustness-Benchmark, gleichauf mit Fish Audio’s Drama 3 Preview und vor Eleven v4.
Ming-3.0-tts ist das neue offene Gewicht-Text-to-Sprache-Modell vom Team von @AntLingAGI. Es handelt sich um ein dichtes 0,5B-Parametermodell mit vorgefertigten Stimmen und statelessen Stimme-Klonings-Funktionen. Die Gewichte sind unter der MIT-Lizenz auf Hugging Face verfügbar: Ming-3.0-tts-0.5B, zusammen mit einer 7,9B-Expert-Mix-Variante, Ming-3.0-tts-tiny.
Wichtigste Erkenntnisse:
➤ Aussprachstabilität: Die Ming-3.0-tts-Ergebnisse betragen 93,2 %, was den 1. Platz unter 31 Modellen bedeutet. Dieser Wert liegt auf demselben Niveau wie der Fish Audio Drama 3 Preview mit 93,2 % und übertrifft den Eleven v4 mit 91,7 %. Es belegt den 1. Platz in den Bereichen Ausweitung des Kurzschreibens und Erhaltung exakter Sequenzen.
➤ Kontrollierte Stimme: Ming-3.0-tts ist das #1 offene Gewichtsmodell mit einer Elo-Wertung von 1.069 (+16/-16) bei 1.827 Auftritten, vor Drama 3 Preview mit 1.059 und Breeze TTS 2 mit 1.019. Es belegt den 13. Platz insgesamt.
➤ Anbieterstimme: Ming-3.0-tts hat eine Elo-Zahl von 1.188 (+15/-15) bei 1.957 Auftritten und belegt den 3. Platz unter den offenen Gewicht-Modellen – hinter Drama 3 Preview mit 1.245 und Breeze TTS 2 mit 1.220 – sowie den 19. Platz insgesamt.
➤ Offene Gewichte: Ming-3.0-tts ist das #1-Modell in den offenen Gewichten bei zwei der drei Sprachverarbeitungs-Leitplanken – Controlled Voice und Pronunciation Robustness – und auf Platz 3 bei Provider Voice.
Sehen Sie weitere Details und hören Sie die Beispiele unten 🧵