在人工智能語音生成領域，開源陣營正迎來一項重磅突破。獨立 AI 評測機構 Artificial Analysis 近期公佈了最新的語音大模型（TTS）競技場榜單，由螞蟻集團團隊推出的全新開源文本轉語音模型 Ming-3.0-tts 表現亮眼，一舉斬獲多項核心指標的第一名。

作爲一款輕量高效的密文參數模型，Ming-3.0-tts 提供了多樣的預設聲音以及無狀態聲音克隆能力。其權重已在 Hugging Face 平臺上以 MIT 協議全面開源，推出了0.5B 參數的密集模型版本，以及採用7.9B 混合專家架構（MoE）的變體版本 Ming-3.0-tts-tiny。

image.png

在具體的權威基準測試與細分榜單中，Ming-3.0-tts 展現出了強大的技術統治力:

首先是在發音魯棒性（Pronunciation Robustness）榜單上，該模型取得了93.2% 的高分，在參評的31款全球主流模型中並列排名第一，與 Fish Audio 的 Drama3Preview 處於同一水平，並領先於 Eleven v4的91.7%。尤其在處理擴展簡寫和精準序列保留等高難度任務時，該模型表現突出，能夠準確應對各類複雜文本的讀音挑戰。

其次是在受控語音競技場（Controlled Voice Arena）中——該測試通過統一的8個克隆聲音進行橫向盲測——Ming-3.0-tts 成功登頂開源模型榜首，在1827次評測中獲得了1，069的 Elo 評分，領先於 Drama3Preview 的1，059以及 Breeze TTS2的1，019，在總榜中位列第13名。

此外，在平臺提供商原生聲音（Provider Voice）榜單中，該模型在1957次評測中拿下了1，188的 Elo 評分，位列開源模型第三位，總榜排名第19。綜合來看，Ming-3.0-tts 在三大核心語音榜單中的“受控語音”與“發音魯棒性”兩項關鍵維度上均成功奪得開源模型第一，向全球開發者交出了一份亮眼的成績單。

項目地址：https://huggingface.co/spaces/hugging-apps/ming-3-tts-tiny