在人工智能语音合成领域，开源社区迎来了一次重要飞跃。独立 ai 评测组织 artificial analysis 最近发布了最新一轮语音大模型（tts）综合能力排行榜，由蚂蚁集团研发的全新开源文本转语音模型 ming-3.0-tts 表现抢眼，包揽多项关键指标的榜首位置。

这款模型以轻量、高效和密文参数设计为特色，支持多种预设音色，并具备无需状态保存的声音克隆功能。其模型权重已通过 Hugging Face 平台以 MIT 开源协议完全公开，包含两个版本：一是参数量为 0.5B 的全密集架构模型；二是基于混合专家（MoE）结构的轻量化变体 Ming-3.0-tts-tiny，参数规模达 7.9B。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

在权威基准测试与细分赛道中，Ming-3.0-tts 展现出显著的技术优势：

第一，在发音鲁棒性（Pronunciation Robustness）榜单中，该模型获得 93.2% 的得分，在参测的 31 款全球主流 TTS 模型中并列第一，与 Fish Audio 推出的 Drama3Preview 持平，同时超越 Eleven Labs v4 的 91.7%。尤其在处理缩写扩展、序列精准保留等复杂语言现象时，其语音输出准确率尤为突出，展现出对高难度文本读音任务的优异适应能力。

第二，在受控语音竞技场（Controlled Voice Arena）测试中——该评测采用统一的 8 种目标音色进行盲测——Ming-3.0-tts 成为当前表现最优的开源模型，在总计 1827 轮对比中取得 1,069 的 Elo 分数，高于 Drama3Preview 的 1,059 和 Breeze TTS2 的 1,019，于总榜中排名 第13 位。

第三，在平台原生声音（Provider Voice）榜单中，该模型在 1957 次评测中获得 1,188 的 Elo 得分，位居所有开源模型第三，在总榜单中位列第19。

综上所述，Ming-3.0-tts 在三大核心语音评估维度中的“受控语音”与“发音鲁棒性”两项均稳居开源模型首位，充分彰显其技术实力，也为全球开发者提供了极具竞争力的开源语音生成新选择。

项目地址：https://www.php.cn/link/e9405e07339126d104591975a6d47b95