Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Ming-3.0-tts (0.5B and tiny)

Les modèles vocaux sous licence MIT d'Ant Group, d'octobre 2026 : une voix de 0,5B qui clone, conçoit et se laisse diriger, assez petite pour un GPU de bureau.

Avis de ReviewRamble editors · Mis à jour

Partager cette page :XLinkedInFacebookRedditWhatsAppE-mail

Notre note

4.0/5

Une voix d'un demi-milliard de paramètres qui prononce mieux qu'Eleven v4 les textes difficiles, sous une licence qui ne demande rien en retour.

Qu’est-ce que Ming-3.0-tts (0.5B and tiny) ?

Ming-3.0-tts est le volet génération vocale de Ming-3.0, cinq modèles vocaux ouverts publiés par l'équipe inclusionAI d'Ant Group le 19 octobre 2026, aux côtés de modèles de compréhension audio et de reconnaissance. Il existe en deux tailles : Ming-3.0-tts-0.5B, un modèle dense construit sur Qwen2.5-0.5B, et Ming-3.0-tts-tiny, un modèle à mélange d'experts de 7,9 milliards de paramètres, dont environ 1,3 milliard actifs par étape, destiné aux longs podcasts à plusieurs voix.

Le modèle 0.5B clone une voix à partir d'un court extrait, en conçoit une à partir d'une description écrite, suit des consignes de style libres et dispose de 14 balises en ligne pour les respirations, toux, soupirs, rires et hésitations, ainsi que de réglages d'émotion, de vitesse, de hauteur et de volume. Il parle chinois, anglais, allemand, espagnol, français, coréen et japonais, ainsi que les dialectes du Sichuan et cantonais, en 44,1 kHz.

Les poids sont sur Hugging Face et ModelScope sous licence MIT ; le code d'inférence se trouve dans le dépôt GitHub Ming-3.0-tts, et SGLang et vLLM prenaient en charge la famille dès le lancement.

Ming-3.0-tts (0.5B and tiny) vaut-il le coup ?

Ming-3.0-tts-0.5B offre une précision presque commerciale dans un modèle qu'une station de travail ordinaire peut faire tourner, sous une licence qui laisse peu à lire aux juristes. Les poids occupent environ 2,96 Go en BF16, et les conditions MIT autorisent l'usage commercial sans autre exigence que le maintien de la mention de copyright.

Il mérite sa place par sa précision plus que par son charme. Artificial Analysis l'a classé premier des modèles à poids ouverts sur son tableau Controlled Voice à son lancement, avec 1 069 Elo, et premier ex aequo toutes catégories pour la robustesse de prononciation, à 93,2 %, au niveau de Drama 3 Preview de Fish Audio et devant Eleven v4 d'ElevenLabs. La fiche d'Ant Group annonce 0,800 % d'erreur de mots en chinois et 1,584 % en anglais sur le test Seed-TTS.

Le hic : il lit bien, mais ne joue pas encore aussi bien. Dans l'arène principale d'Artificial Analysis, il est à 1 179 Elo, 27e au classement général et environ 100 points derrière Fish Audio Drama 3, le meilleur modèle ouvert. La fiche reconnaît que la ressemblance avec le locuteur est en retrait par rapport à la précision du contenu, le français étant le plus faible, que les phrases comportant plusieurs effets sonores sont moins stables et que le contrôle de la hauteur est moins bon que ceux de la vitesse et du volume. Qwen3-TTS le devance sur le suivi des consignes en chinois, 77,13 % contre 72,29 %.

Notre avis : pour un produit qui doit prononcer correctement des références de pièces, des noms de médicaments et des adresses sur vos propres serveurs, c'est le modèle ouvert par lequel commencer. Pour une interprétation qui doit émouvoir l'auditeur, Fish Audio Drama 3 vaut toujours sa licence plus contraignante.

Là où il fait la différence

  • Un fabricant de dispositifs médicaux qui conçoit un système d'annonces vocales hors ligne

    Lire à voix haute noms de médicaments, posologies et numéros de série sans envoyer de texte dans le cloud

    Faites tourner le modèle 0.5B sur un seul GPU de station de travail avec la normalisation de texte activée ; son score de prononciation de 93,2 % justifie le choix, et la licence MIT passe vite la revue juridique.

  • Un producteur de podcasts à Chengdu

    Générer des épisodes à deux animateurs en mandarin et en sichuanais

    Utilisez Ming-3.0-tts-tiny, conçu pour l'audio long à plusieurs voix, avec des voix conçues pour chaque animateur ; la tâche dialectale ne demande aucun identifiant de langue.

Avant de vous engager

Mise en route
Clonez github.com/inclusionAI/Ming-3.0-tts, lancez pip install -r requirements.txt, puis hf download inclusionAI/Ming-3.0-tts-0.5B ; exécutez infer.py ou l'API Python ming_tts.MingTTS. Le modèle tiny exige son propre environnement aux versions figées.
Intégrations
Poids sur Hugging Face et ModelScope ; prise en charge par SGLang et vLLM dès le lancement ; tools/preflight.py vérifie le checkpoint.
Données et confidentialité
Auto-hébergé, donc ni l'audio ni le texte ne quittent vos serveurs. Licence MIT. La fiche demande de ne pas imiter de personnes réelles sans leur consentement et de signaler la parole synthétique.
Coût à grande échelle
Aucun frais par caractère ; le coût est le temps GPU. Ant a testé sur des cartes NVIDIA H800 et H20 ; aucune VRAM minimale n'est publiée.
Limites
Les consignes de style libres ne se combinent pas avec la conception de voix, les voix intégrées ni les réglages d'émotion, de dialecte ou d'attributs. Phrases à plusieurs événements moins stables ; hauteur moins précise que la vitesse et le volume.

Les points forts

  • Licence MIT, usage commercial autorisé
  • 93,2 % de robustesse de prononciation, premier ex aequo chez Artificial Analysis
  • Environ 2,96 Go de poids pour le modèle 0.5B
  • Clonage, conception de voix, 14 balises sonores et dialectes chinois

Les points faibles

  • 27e dans l'arène principale à 1 179 Elo, derrière Fish Audio Drama 3
  • Ressemblance au locuteur plus faible que la précision, français le plus faible
  • Le dépôt Hugging Face ne contient que les poids ; il faut le code GitHub
  • Pas d'API hébergée par Ant Group ; vous l'exploitez et le faites évoluer vous-même

Idéal pour

Les ingénieurs qui ont besoin d'une synthèse vocale précise et pilotable, exécutée en local ou sur des serveurs privés sous licence permissive, surtout en chinois et en anglais.

Alternatives à Ming-3.0-tts (0.5B and tiny)

Ming-3.0-tts (0.5B and tiny) : questions fréquentes

Ming-3.0-tts (0.5B and tiny) vaut-il le coup ?
Une voix d'un demi-milliard de paramètres qui prononce mieux qu'Eleven v4 les textes difficiles, sous une licence qui ne demande rien en retour. Nous lui donnons 4.0 sur 5.
Combien coûte Ming-3.0-tts (0.5B and tiny) ?
Gratuit sous licence MIT ; vous ne payez que votre propre matériel. Ant Group ne publie aucun prix d'API hébergée.
Quels sont les inconvénients de Ming-3.0-tts (0.5B and tiny) ?
27e dans l'arène principale à 1 179 Elo, derrière Fish Audio Drama 3; ressemblance au locuteur plus faible que la précision, français le plus faible; le dépôt Hugging Face ne contient que les poids ; il faut le code GitHub; pas d'API hébergée par Ant Group ; vous l'exploitez et le faites évoluer vous-même.
À qui s’adresse Ming-3.0-tts (0.5B and tiny) ?
Les ingénieurs qui ont besoin d'une synthèse vocale précise et pilotable, exécutée en local ou sur des serveurs privés sous licence permissive, surtout en chinois et en anglais.
Combien coûte Ming-3.0-tts (0.5B and tiny) pour une équipe ou en production ?
Aucun frais par caractère ; le coût est le temps GPU. Ant a testé sur des cartes NVIDIA H800 et H20 ; aucune VRAM minimale n'est publiée.
Ming-3.0-tts (0.5B and tiny) est-il sûr pour les données de l’entreprise ?
Auto-hébergé, donc ni l'audio ni le texte ne quittent vos serveurs. Licence MIT. La fiche demande de ne pas imiter de personnes réelles sans leur consentement et de signaler la parole synthétique.
Quelles sont les meilleures alternatives à Ming-3.0-tts (0.5B and tiny) ?
Les alternatives les plus proches que nous avons testées sont Fish Audio Drama 3, Qwen3-TTS, VoxCPM2 et ZONOS3-Mini.

Réponses vérifiées le 21 nov. 2026.

Vous éditez Ming-3.0-tts (0.5B and tiny) ? Affichez cette note sur votre siteMing-3.0-tts (0.5B and tiny) noté 4.0 sur 5 par ReviewRamble