蚂蚁集团的 Ming-3.0-tts 是 Artificial Analysis Controlled Voice TTS Arena 中新的 #1 开放权重模型，并在我们的 Pronunciation Robustness 排行榜上占据 #1 位置，与 Fish Audio 的 Drama 3 Preview 持平，领先于 Eleven v4

Ming-3.0-tts 是 @AntGroup 团队推出的新开放权重文本转语音模型，一个稠密 0.5B 参数模型，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，以及一个 7.9B 混合专家变体 Ming-3.0-tts-tiny。

关键要点：

➤ 发音稳健性：Ming-3.0-tts 得分 93.2%，在 31 个模型中排名 #1，与 Fish Audio Drama 3 Preview 的 93.2% 持平，领先于 Eleven v4 的 91.7%。它在 Expanding Shorthand 和 Preserving Exact Sequences 中排名 #1。

➤ 受控语音：Ming-3.0-tts 是 #1 开放权重模型，Elo 为 1,069（+16/-16），共出现 1,827 次，领先于 Drama 3 Preview 的 1,059 和 Breeze TTS 2 的 1,019。它总体排名 #13。

➤ 提供商语音：Ming-3.0-tts 的 Elo 为 1,188（+15/-15），共出现 1,957 次，在开放权重模型中排名 #3，落后于 Drama 3 Preview 的 1,245 和 Breeze TTS 2 的 1,220，总体排名 #19。

➤ 开放权重：Ming-3.0-tts 在我们三个文本转语音排行榜中的两个——Controlled Voice 和 Pronunciation Robustness——上是 #1 开放权重模型，在 Provider Voice 上排名 #3。

更多详情并在下方试听样本 🧵