인공지능 음성 생성 분야에서 오픈소스 진영이 중대한 돌파구를 맞이하고 있습니다. 독립 AI 평가기관 Artificial Analysis가 최근 최신 음성 대규모 모델(TTS) 아레나 순위를 발표했으며, 앤트그룹 팀이 선보인 새로운 오픈소스 텍스트 음성 변환 모델 Ming-3.0-tts가 눈부신 성과를 내며 여러 핵심 지표에서 1위를 석권했습니다.
경량·고효율의 밀집 파라미터 모델인 Ming-3.0-tts는 다양한 사전 설정 음성과 상태 비저장 음성 복제 기능을 제공합니다. 가중치는 이미 Hugging Face 플랫폼에서 MIT 라이선스로 전면 오픈소스화되었으며, 0.5B 파라미터 밀집 모델 버전과 7.9B 혼합 전문가(MoE) 아키텍처를 채택한 변형 버전인 Ming-3.0-tts-tiny가 출시되었습니다.
구체적인 권위 벤치마크 테스트와 세부 순위에서 Ming-3.0-tts는 강력한 기술적 지배력을 선보였습니다:
먼저 발음 견고성(Pronunciation Robustness) 순위에서 해당 모델은 93.2%의 높은 점수를 기록하며 참가한 31개 글로벌 주요 모델 가운데 공동 1위를 차지했고, Fish Audio의 Drama3Preview와 동일한 수준을 유지하며 Eleven v4의 91.7%를 앞섰습니다. 특히 축약어 확장 처리와 정밀 시퀀스 보존 같은 고난도 과제에서 뛰어난 성과를 보이며 각종 복잡한 텍스트의 발음 도전을 정확히 소화해 냈습니다.
다음으로 통제 음성 아레나(Controlled Voice Arena)에서—해당 테스트는 통일된 8개 클론 음성으로 진행되는 블라인드 비교 평가입니다—Ming-3.0-tts는 오픈소스 모델 정상 등극에 성공했으며, 1827회 평가에서 1,069의 Elo 점수를 획득해 Drama3Preview의 1,059와 Breeze TTS2의 1,019를 앞섰고 전체 순위에서는 13위를 기록했습니다.
또한 플랫폼 제공사 네이티브 음성(Provider Voice) 순위에서는 해당 모델이 1957회 평가에서 1,188의 Elo 점수를 획득해 오픈소스 모델 3위, 전체 순위 19위에 올랐습니다. 종합하면 Ming-3.0-tts는 3대 핵심 음성 순위 중 '통제 음성'과 '발음 견고성' 두 핵심 차원에서 모두 오픈소스 모델 1위를 차지하며 전 세계 개발자에게 눈부신 성적표를 제출했습니다.
프로젝트 주소: https://huggingface.co/spaces/hugging-apps/ming-3-tts-tiny