蚂蚁集团的 Ming-3.0-tts 成为 Artificial Analysis Controlled Voice TTS 竞技场中新的第1名开源权重模型，并在我们的发音鲁棒性排行榜上占据第1名，与 Fish Audio 的 Drama 3 Preview 持平，领先于 Eleven v4
Ming-3.0-tts 是来自 @AntGroup 团队的新开源权重文本转语音模型，是一个 0.5B 参数的稠密模型，具有预设音色和无状态声音克隆。权重已在 Hugging Face 上以 MIT 许可证提供：Ming-3.0-tts-0.5B，同时还有一个 7.9B 的混合专家变体 Ming-3.0-tts-tiny。
关键要点：
➤ 发音鲁棒性：Ming-3.0-tts 得分为 93.2%，在 31 个模型中排名第 1，与得分 93.2% 的 Fish Audio Drama 3 Preview 持平，领先于得分 91.7% 的 Eleven v4。它在“扩展缩写”和“保持精确序列”方面排名第 1。
➤ 受控音色：Ming-3.0-tts 是排名第 1 的开源权重模型，Elo 为 1,069（+16/-16），共出现 1,827 次，领先于 1,059 的 Drama 3 Preview 和 1,019 的 Breeze TTS 2。它总体排名第 13。
➤ 提供商音色：Ming-3.0-tts 的 Elo 为 1,188（+15/-15），共出现 1,957 次，在开源权重模型中排名第 3，落后于 1,245 的 Drama 3 Preview 和 1,220 的 Breeze TTS 2，总体排名第 19。
➤ 开源权重：Ming-3.0-tts 在我们的三个文本转语音排行榜中的两个——受控音色和发音鲁棒性——上位列开源权重模型第 1，在提供商音色上排名第 3。
详情和音频示例请见下方 🧵