Le Ming-3.0-tts d'Ant Group est le nouveau modèle open weights n°1 dans la Controlled Voice TTS Arena d'Artificial Analysis et prend la 1re place sur notre classement de Robustesse de Prononciation, à égalité avec le Drama 3 Preview de Fish Audio et devant Eleven v4
Ming-3.0-tts est le nouveau modèle de synthèse vocale (Text to Speech) open weights de l'équipe @AntGroup, un modèle dense de 0.5B paramètres avec voix prédéfinies et clonage de voix sans état. Les poids sont disponibles sur Hugging Face sous la licence MIT : Ming-3.0-tts-0.5B, aux côtés d'une variante mixture-of-experts de 7.9B, Ming-3.0-tts-tiny.
Points clés :
➤ Robustesse de Prononciation : Ming-3.0-tts obtient 93,2 %, se classant 1er sur 31 modèles, à égalité avec Fish Audio Drama 3 Preview à 93,2 % et devant Eleven v4 à 91,7 %. Il se classe 1er en Expanding Shorthand et Preserving Exact Sequences.
➤ Controlled Voice : Ming-3.0-tts est le modèle open weights n°1 avec un Elo de 1,069 (+16/-16) sur 1,827 apparitions, devant Drama 3 Preview à 1,059 et Breeze TTS 2 à 1,019. Il se classe 13e au global.
➤ Provider Voice : Ming-3.0-tts a un Elo de 1,188 (+15/-15) sur 1,957 apparitions, se classant 3e parmi les modèles open weights derrière Drama 3 Preview à 1,245 et Breeze TTS 2 à 1,220, et 19e au global.
➤ Open weights : Ming-3.0-tts est le modèle open weights n°1 sur deux de nos trois classements de synthèse vocale, Controlled Voice et Robustesse de Prononciation, et 3e sur Provider Voice.
Voir plus de détails et écouter des échantillons ci-dessous 🧵