蚂蚁开源 Ming-3.0-tts，登顶两项语音评测开源榜首
据 AIbase AI新闻 报道，蚂蚁集团发布开源文本转语音模型 Ming-3.0-tts，权重已在 Hugging Face 以 MIT 协议开放，包含 0.5B 密集模型和 7.9B 混合专家（MoE）变体 Ming-3.0-tts-tiny，并提供预设声音与无状态声音克隆能力。报道援引 Artificial Analysis 榜单称，该模型在发音鲁棒性上以 93.2% 与 Fish Audio 的 Drama3Preview 并列 31 款参评模型第一，高于 Eleven v4 的 91.7%；在受控语音竞技场以 1,069 Elo（1,827 次评测）位列开源模型第一、总榜第 13。报道还称其在平台提供商原生声音榜以 1,188 Elo（1,957 次评测）位列开源模型第三、总榜第 19。
报道中的成绩使这款 MIT 许可的 TTS 模型在 Artificial Analysis 两项开源排名中居首，发音鲁棒性与 Fish Audio 的 Drama3Preview 持平并高于 Eleven v4。
在人工智能语音生成领域，开源阵营正迎来一项重磅突破。独立 AI 评测机构 Artificial Analysis 近期公布了最新的语音大模型（TTS）竞技场榜单，由蚂蚁集团团队推出的全新开源文本转语音模型 Ming-3.0-tts 表现亮眼，一举斩获多项核心指标的第一名。
作为一款轻量高效的密文参数模型，Ming-3.0-tts 提供了多样的预设声音以及无状态声音克隆能力。其权重已在 Hugging Face 平台上以 MIT 协议全面开源，推出了0.5B 参数的密集模型版本，以及采用7.9B 混合专家架构（MoE）的变体版本 Ming-3.0-tts-tiny。
在具体的权威基准测试与细分榜单中，Ming-3.0-tts 展现出了强大的技术统治力:
首先是在发音鲁棒性（Pronunciation Robustness）榜单上，该模型取得了93.2% 的高分，在参评的31款全球主流模型中并列排名第一，与 Fish Audio 的 Drama3Preview 处于同一水平，并领先于 Eleven v4的91.7%。尤其在处理扩展简写和精准序列保留等高难度任务时，该模型表现突出，能够准确应对各类复杂文本的读音挑战。
其次是在受控语音竞技场（Controlled Voice Arena）中——该测试通过统一的8个克隆声音进行横向盲测——Ming-3.0-tts 成功登顶开源模型榜首，在1827次评测中获得了1，069的 Elo 评分，领先于 Drama3Preview 的1，059以及 Breeze TTS2的1，019，在总榜中位列第13名。
此外，在平台提供商原生声音（Provider Voice）榜单中，该模型在1957次评测中拿下了1，188的 Elo 评分，位列开源模型第三位，总榜排名第19。综合来看，Ming-3.0-tts 在三大核心语音榜单中的“受控语音”与“发音鲁棒性”两项关键维度上均成功夺得开源模型第一，向全球开发者交出了一份亮眼的成绩单。
项目地址：https://huggingface.co/spaces/hugging-apps/ming-3-tts-tiny
#Ant Group#Ming-3.0-tts#Ming-3.0-tts-tiny#Artificial Analysis#Hugging Face#Fish Audio Drama3Preview#Eleven v4