Le Ming-3.0-tts d'Ant Group est le nouveau modèle open weights n°1 dans l'Artificial Analysis Controlled Voice TTS Arena et prend la 1re place de notre classement Pronunciation Robustness, à égalité avec Drama 3 Preview de Fish Audio et devant Eleven v4
Ming-3.0-tts est le nouveau modèle open weights de Text to Speech de l'équipe de @AntLingAGI, un modèle dense de 0.5B paramètres avec des voix prédéfinies et un 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 :
➤ Pronunciation Robustness : Ming-3.0-tts obtient un score de 93,2%, se classant n°1 sur 31 modèles, à égalité avec Fish Audio Drama 3 Preview à 93,2% et devant Eleven v4 à 91,7%. Il se classe n°1 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) en 1,827 apparitions, devant Drama 3 Preview à 1,059 et Breeze TTS 2 à 1,019. Il se classe 13e au niveau général.
➤ Provider Voice : Ming-3.0-tts a un Elo de 1,188 (+15/-15) en 1,957 apparitions, se classant n°3 parmi les modèles open weights derrière Drama 3 Preview à 1,245 et Breeze TTS 2 à 1,220, et 19e au niveau général.
➤ Open weights : Ming-3.0-tts est le modèle open weights n°1 sur deux de nos trois classements Text to Speech, Controlled Voice et Pronunciation Robustness, et n°3 sur Provider Voice.
Voir plus de détails et écouter des exemples ci-dessous 🧵