蚂蚁集团（Ant Group）的 Ming-3.0-tts 是 Artificial Analysis 受控语音 TTS 竞技场中新的第 1 名开源权重模型，并在我们的发音稳健性排行榜上占据第 1 名位置，与 Fish Audio 的 Drama 3 Preview 持平，领先于 Eleven v4
Ming-3.0-tts 是 @AntLingAGI 团队推出的新的开源权重文本转语音模型，是一个 0.5B 参数的稠密模型，具有预置音色和无状态语音克隆功能。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。
要点：
➤ 发音稳健性：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。它在缩写展开和精确序列保留方面排名第 1。
➤ 受控语音：Ming-3.0-tts 是第 1 名开源权重模型，Elo 为 1,069（+16/-16），共出现 1,827 次，领先于 Elo 为 1,059 的 Drama 3 Preview 和 Elo 为 1,019 的 Breeze TTS 2。它总体排名第 13。
➤ 提供商语音：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 Elo 为 1,245 的 Drama 3 Preview 和 Elo 为 1,220 的 Breeze TTS 2，总体排名第 19。
➤ 开源权重：Ming-3.0-tts 在我们三个文本转语音排行榜中的两个——受控语音和发音稳健性——上都是第 1 名开源权重模型，在提供商语音上排名第 3。
请在下方查看更多详情并试听示例 🧵