蚂蚁开源 Ming-3.0-tts 登顶语音合成榜单

蚂蚁集团百灵团队正式开源 Ming-3.0 语音系列模型，其中核心组件 Ming-3.0-tts 在 Artificial Analysis 的受控语音和发音鲁棒性榜单中位列开源第一。该模型提供 0.5B 稠密版与 7.9B 混合专家（MoE）两个版本，以 MIT 协议开放权重，标志着国产开源语音技术在性能上实现了对部分商业模型的超越。

多源数据显示，Ming-3.0-tts 在发音鲁棒性测试中得分高达 93.2%，其受控语音竞技场 Elo 评分为 1069，表现优于 Eleven v4 等知名商业模型。技术层面，该系列引入了创新的“导演模式”，允许开发者通过文字描述精细控制语音合成的情绪、重音与节奏，并支持无状态声音克隆。此外，配套的 ASR 与音频理解模型优化了长音频的结构化处理能力，能够保留非文本语境信息，提升了方言及垂直领域的识别准确率。

此次开源不仅提供了高性能的语音合成基座，更通过模块化设计降低了开发门槛，使开发者能自由组合 TTS、ASR 及音频理解模块构建复杂工作流。这一举措将加速语音交互技术在智能客服、内容创作及无障碍服务等场景的落地，重塑开源语音生态的竞争格局。