Ming-3.0-tts de Ant Group es el nuevo modelo de pesos abiertos #1 en el Controlled Voice TTS Arena de Artificial Analysis y se lleva el puesto #1 en nuestra tabla de Pronunciation Robustness, empatado con Drama 3 Preview de Fish Audio y por delante de Eleven v4
Ming-3.0-tts es el nuevo modelo de Text to Speech de pesos abiertos del equipo de @AntLingAGI, un modelo denso de 0.5B parámetros con voces predefinidas y clonación de voz sin estado. Los pesos están disponibles en Hugging Face bajo la Licencia MIT: Ming-3.0-tts-0.5B, junto con una variante mixture-of-experts de 7.9B, Ming-3.0-tts-tiny.
Conclusiones clave:
➤ Pronunciation Robustness: Ming-3.0-tts obtiene 93.2%, ocupando el puesto #1 de 31 modelos, empatado con Fish Audio Drama 3 Preview en 93.2% y por delante de Eleven v4 en 91.7%. Ocupa el puesto #1 en Expanding Shorthand y Preserving Exact Sequences.
➤ Controlled Voice: Ming-3.0-tts es el modelo de pesos abiertos #1 con un Elo de 1,069 (+16/-16) en 1,827 apariciones, por delante de Drama 3 Preview en 1,059 y Breeze TTS 2 en 1,019. Ocupa el puesto #13 en general.
➤ Provider Voice: Ming-3.0-tts tiene un Elo de 1,188 (+15/-15) en 1,957 apariciones, ocupando el puesto #3 entre los modelos de pesos abiertos por detrás de Drama 3 Preview en 1,245 y Breeze TTS 2 en 1,220, y el #19 en general.
➤ Pesos abiertos: Ming-3.0-tts es el modelo de pesos abiertos #1 en dos de nuestras tres tablas de Text to Speech, Controlled Voice y Pronunciation Robustness, y #3 en Provider Voice.
Vea más detalles y escuche ejemplos abajo 🧵