蚂蚁开源 Ming-3.0-tts 登顶榜单

蚂蚁集团正式开源 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）版，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。

多源信息交叉验证显示，Ming-3.0 系列不仅具备强大的合成能力，更引入了创新的“导演模式”，允许开发者通过文字描述精细控制情绪、重音与节奏。在硬指标方面，其发音鲁棒性得分高达 93.2%，优于 Eleven v4 等主流商业模型。此外，配套的 ASR 与音频理解模型优化了长音频结构化处理能力，支持方言识别及非文本语境信息保留，形成了完整的技术闭环。

这一发布对 AI 语音赛道具有显著的生态意义。它降低了高质量语音合成的门槛，使开发者能自由组合模块构建工作流，且已在支付宝等内部业务落地验证。对于行业而言，高性能开源权重的释放将加速语音交互在垂直领域的普及，推动从单纯的技术竞赛转向应用生态的构建。