10 月 21 日的消息显示，独立评测机构 Artificial Analysis 公布的语音大模型竞技场最新榜单中，蚂蚁集团团队推出的开源文本转语音模型 Ming-3.0-tts 在三个核心维度上同时进入前列，其中受控语音与发音鲁棒性两项拿下开源模型第一。其权重已在 Hugging Face 以 MIT 协议全面开源，提供 0.5B 参数的密集模型版本，以及采用 7.9B 混合专家架构的 MoE 变体版本 Ming-3.0-tts-tiny。
发音鲁棒性 93.2% 并列第一
在发音鲁棒性榜单上，Ming-3.0-tts 取得 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%。在处理扩展简写与精准序列保留这类高难度任务时，该模型表现比较突出。
1827 次盲测拿到 1069 分
受控语音竞技场通过统一的 8 个克隆声音做横向盲测，Ming-3.0-tts 在 1827 次评测中获得 1069 的 Elo 评分，领先 Drama3Preview 的 1059 与 Breeze TTS2 的 1019，在总榜中位列第 13 名。在平台提供商原生声音榜单中，它在 1957 次评测里拿下 1188 的 Elo 评分，位列开源模型第三、总榜第 19。作为一款轻量高效的密文参数模型，它还提供了多样的预设声音与无状态声音克隆能力。
这块榜单同时也是开源模型在语音方向竞争强度的一个侧面。Elo 评分来自统一环境下的成对盲测，样本量到了上千次量级，评分差距在百分位上并不算大，但多个榜单同时给出相同排序，还是能说明头部模型之间的差距在收窄。
开源 TTS 的分数这次被推到前面，语音合成这条线上开源阵营的追赶速度在加快。蚂蚁百灵此前开源 Ming-3.0 语音系列的完整脉络，可以看站内的 蚂蚁百灵开源 Ming-3.0 语音系列解析。
延伸阅读
- Qwen-Audio-3.0 语音模型系列上线千问平台：ASR、TTS、Realtime 三箭齐发1 月前
- Qwen-Audio-3.1 发布：五款语音模型齐发，ASR 降价 95%4 周前
- OpenAI GPT-Live-1 上线 API：端到端全双工语音，电话语音智能体延迟再降一档1 月前
- B站开源 IndexTTS-2.5：0.8B 参数零样本语音克隆，推理提速 2.28 倍、实时率降至 0.201 月前
继续读
同一批更新里这几篇值得一看：
- 蚂蚁百灵开源 Ming-3.0：五款模型覆盖语音合成、理解与识别，导演模式可描述情绪2026-10-20
- 蚂蚁百灵开源 Ling-3.1-flash：560B MoE、25B 激活参数2026-10-16
- 亚马逊 Bee AI 助手开售：$75 起，60% 推理跑在本地2026-10-15