Ming-3.0-tts-0.5B مقابل Qwen-Audio-3.0-TTS: أوزان مجانية مقابل 78 نقطة إيلو
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 9 tok/s
- deepseekجديدDeepSeek: DeepSeek V4.1 Flash 10172026-10-17$0.15 / $0.60 لكل مليون رمز · 222 tok/s
- DeepSeekجديدDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaجديدOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 95 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 788 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 39 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 832 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 لكل مليون رمز · 119 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642الذكاء72البرمجة
ضعMing-3.0-tts-0.5BبجانبQwen-Audio-3.0-TTS وأول ما تلاحظه هو أنهما ليسا من النوع نفسه من الأشياء. Ming عبارة عن نقطة تحقق بحجم 2.96 غيغابايت تقوم بتنزيلها، وترخيصها بموجب MIT، وتشغّلها على وحدة معالجة الرسومات الخاصة بك. أما Qwen-Audio-3.0-TTS، ضمن فئة الجودة التي تدرجها Alibaba باسم Qwen-Audio-3.0-TTS-Plus، فهو نقطة نهاية مستضافة على Alibaba Cloud Model Studio دون أي أوزان في أي مكان. وفي ساحة الكلام المستقلة Artificial Analysis يحصل النموذج المستضاف على 1,266 من نقاط Elo ويحصل النموذج القابل للتنزيل على 1,188 — فارق قدره 78 نقطة دون أي تداخل بين فترتي الثقة. هذا الفارق حقيقي. وقيمته تعتمد على ما إذا كنت تشتري صوتًا أم تشتري أصلًا. تُجمع حالات فشل الذكاء الاصطناعي وحوادث الوكلاء الموثقة التي تقف وراء إصدارات كهذا الإصدار في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.
الإجابة المختصرة، قبل الأدلة
إذا كان الصوت سيُشحن في منتج هذا الربع، وسيكون على شخص آخر أن يكون جاهزًا للاستدعاء عند تعطله، فإن Qwen-Audio-3.0-TTS-Plus هو الخيار الأفضل، والفرق ليس ضئيلًا. وإذا كنت تبني محتوى صينيًا أولًا، أو تحتاج إلى تصميم صوتي أو تحكم في اللهجات، أو لا يمكنك قبول احتساب التكلفة لكل حرف، فإن Ming-3.0-tts-0.5B هو الوحيد من بين الاثنين الذي يمكن أن يكون خيارك. لا يبقى أي من الجوابين على حاله عند الاحتكاك بجدول ميزانية، وهذا ما يتناوله بقية هذا المقال.
ما هو كل نموذج في الواقع
Ming-3.0-tts-0.5B هو إصدار مفتوح الأوزان تابع لـ Ant Group من inclusionAI، بُني على أساس Qwen2.5-0.5B مع رأس محوّل انتشار ومُرمِّز صوتي منفصل. أُطلق بهدوء على مرحلتين — الأوزان على Hugging Face في سبتمبر 2026، وشيفرة الاستدلال على GitHub في 19 أكتوبر — ولم تعلن Ant عنه. تتضمن الحزمة مُرمِّز متحدث ومُرمِّزًا نصيًا، وتُخرج صوتًا بتردد 44.1 كيلوهرتز، وتدعم الاستنساخ، وتصميم الصوت من وصف نصي، و14 وسمًا شبه لغوي مضمّنًا، والتحكم في المشاعر والسمات، وسبع لغات ولهجتين صينيتين.
Qwen-Audio-3.0-TTS هو خط التوليف الصوتي المستضاف من Alibaba، أُطلق في 20 يوليو 2026، بفئتين: Flash للعمل في الزمن الحقيقي وPlus لأقصى جودة. فئة Plus هي التي لها موضع مُقاس على الساحة، وهي الفئة التي تشير إليها كل الأرقام أدناه. وهي تغطي 16 لغة بالإضافة إلى 20 منطقة لهجات صينية، وتدعم استنساخ الصوت ونحو 86 وسم إلقاء مضمّنًا، ولا يمكن الوصول إليها إلا عبر واجهة API الخاصة بـ Alibaba. لا توجد أوزان، ولا نشر محلي، ولا ترخيص للتدقيق.
ثمة مفارقة في التواريخ تستحق الإشارة إليها لأنك سترى كلا التاريخين: أطلقت Alibaba السلسلة في يوليو، لكن صف الساحة الخاص بطراز Plus يحمل تاريخ إصدار هو 15 سبتمبر 2026. نقرأ ذلك على أنه تاريخ رفع النسخة المُقيَّمة أو الإدراج، وليس طرازًا ثانيًا. إذا كنت تستشهد بتاريخ إصدار في مستند، فإن 20 يوليو هو تاريخ الإطلاق و15 سبتمبر هو قيد الساحة.
الأرقام التي تفصل بينهم
• Arena Elo، Provider Voice — Ming-3.0-tts-0.5B 1,188 (الفترة 1,173–1,203) مقابل Qwen-Audio-3.0-TTS-Plus 1,266 (1,252–1,280). الفترات لا تتقاطع.
• Arena Elo، الصوت المتحكَّم فيه — Ming 1,069 (1,053–1,085) مقابل Qwen-Plus 1,126 (1,113–1,139). لا تزال هناك فجوة واضحة قدرها 57 نقطة، على أصوات مستنسخة ثابتة عبر جميع النماذج.
• السعر — لا يملك Ming سعرًا؛ بل تدفع مقابل القدرة الحسابية. يُدرَج Qwen-Plus بسعر 19.31 دولارًا لكل مليون حرف في عمود السعر المعياري لدى الساحة.
• الإنتاجية — Ming 42.1 حرفًا في الثانية من زمن التوليد مقابل Qwen-Plus 25.6، مقاسة على نفس أداة الاختبار المستقلة.
• الأوزان — نقطة تحقق مرخّصة بموجب MIT مقابل لا شيء.
• اللغات — سبع بالإضافة إلى السيتشوانية والكانتونية مقابل 16 بالإضافة إلى 20 منطقة لهجات صينية.
• سطح التحكم — تعليمات حرة الشكل، وتصميم الصوت، و14 وسمًا ما وراء لغويًا، وتحكم صريح في العاطفة/السرعة/النغمة/مستوى الصوت مقابل نحو 86 وسمًا مضمّنًا وتحكم في الإلقاء بأسلوب التعليمات.
نتيجة الإنتاجية هي التي تفاجئ الناس. نموذج كثيف بنصف مليار معامل وحزمة بحجم 2.96 غيغابايت يتجاوز طبقة Plus المستضافة لدى Alibaba بنحو 65% في عدد الأحرف في الثانية وفق القياس المستقل. هذا ليس انتقاصًا من Qwen — فنقاط النهاية المستضافة تُجهَّز لتحمل التزامن، ورقم الإنتاجية في الساحة يقيس طلبًا واحدًا في كل مرة — لكنه يعني أن النموذج الصغير ليس البطيء في هذه المقارنة.
من أين تأتي النقاط الـ78؟
لا يخبرك Elo التفضيلي بما هو الخطأ. أما الاستماع إلى النظامين على النص نفسه فيخبرك بذلك، والنمط متوافق مع ما تعترف به بطاقة نموذج Ant الخاصة بها.
تنشر Ant نقاط ضعفها بلغة صريحة على نحو غير معتاد: تشابه المتحدث يتخلف عن دقة المحتوى، والتشابه في الفرنسية هو أوضح فجوة متعددة اللغات، والجمل شبه اللغوية متعددة الأحداث لا تزال غير مستقرة، وتصميم الصوت المفتوح غير المحدود لا يضاهي بعد أقوى نظام تم تقييمه. على الساحة، يتجلى ذلك في صوت مستنسخ تنافسي — الأول بين نماذج الأوزان المفتوحة على اللوحة الخاضعة للتحكم — وفي مجموعة أصوات أصلية ليست كذلك. ترتيب Ming لصوت المزوّد، وهو التاسع عشر من 98، يتراجع بسبب أكثر من 100 صوت صيني وخمسة أصوات إنجليزية مدمجة، لا بسبب مسار الاستنساخ.
تأتي ميزة Qwen على شكل معاكس؛ فأصواته الأصلية هي المنتج نفسه، أما فئة Plus فقد صُممت لتبدو مكتملة منذ الوهلة الأولى، وهي كذلك في القياسات ضمن إعدادات المزوّد والإعدادات الخاضعة للتحكم. كما يتمتع باتساع لغوي ينبع من كون الشركة تدير سحابة: 16 لغة و20 منطقة لهجات صينية، مقابل سبع لغات ومنطقتين لدى Ming.
على صعيد الدقة لا التفضيل، تكون المقارنة أضعف مما توحي به فجوة Elo. لا يملك Qwen-Audio-3.0-TTS جدولًا منشورًا لمعدل الخطأ في الكلمات من Alibaba يمكننا التحقق منه مقابل مجموعة اختبار مشتركة، وأرقام Seed-TTS الخاصة بـ Ming — 0.800% بالصينية و1.584% بالإنجليزية — هي أرقام Ant نفسها، مقيسة على منصة اختبار Ant وبالإعدادات الموصى بها من Ant. لا يقدّم أي طرف معدل خطأ قابلًا للمقارنة المتكافئة. ما لديك هو درجة تفضيل لكليهما وجدول مورّد لواحد فقط.
نموذجا فوترة، والعداد الذي لا يطبعه أحد
مقارنة السعر ليست 19.31 دولارًا مقابل صفر. إنها عدّاد لكل حرف مقابل عدّاد لكل ساعة GPU، والثاني غير مرئي حتى يطلبه فريقك المالي.
تتقاضى Qwen رسومًا عن كل حرف من النص المُدخَل. وبسعر 19.31 دولارًا لكل مليون حرف، يكلّف مليون حرف من التعليق الصوتي النهائي 19.31 دولارًا، ويتحجّم العدد خطيًا وبشكل يمكن التنبؤ به. يمكنك وضع ذلك في جدول بيانات قبل أن تكتب سطرًا واحدًا من التعليمات البرمجية.
تتقاضى Ming تكاليفها على أساس زمن GPU. تم اختبار هذا الإصدار على H800-80GB وH20-96G، ويحتاج إلى PyTorch 2.6 مع CUDA 12.4، ويأتي مع Dockerfile لكن دون نقطة نهاية مستضافة. وبمعدل 42.1 حرفًا في الثانية المقاس في الساحة، يستغرق مليون حرف نحو 6.6 ساعة من التوليد على تلك الفئة من العتاد، من دون احتساب تحميل النموذج أو الانتظار في الطابور أو الطلبات الفاشلة. ويعتمد ما إذا كان ذلك أرخص من 19.31 دولارًا كليًا على تكلفة ساعة GPU لديك ومدى إبقائك لها مشغولة — وهو الحساب الذي يحسم هذه المواجهة لمعظم الفرق.
وهنا أيضاً تبرّر طبقة التوجيه وجودها دون أن تدّعي استضافة أي من النموذجين. لا يقدّم OrcaRouter النموذج Ming-3.0-tts-0.5B ولا Qwen-Audio-3.0-TTS، ولا ينبغي أن يوحي أي شيء هنا بخلاف ذلك؛ فكلاهما يُوصَل إليه عبر قنواته الخاصة، Model Studio من Alibaba بالنسبة إلى Qwen وبنيتك التحتية الخاصة بالنسبة إلى Ming. أما ما نوفّره فهو الجانب النصي من المسار نفسه بسعر قائمة المزوّد مع هامش ربح مضاف قدره 0% — لذا فإن أي تغيير في السعر من مزوّد نصي نوجّهه يصبح سعرك في اليوم نفسه — مع تحويل تلقائي عند الفشل بين المزوّدين للنموذج الذي يكتب النص أو يوسم المشاعر أو يقود الوكيل. الكلام هو النصف المكلف والبطيء من منتج صوتي؛ وينبغي ألا يكون النصف الذي أمامه هو النصف الهش أيضاً.
مشكلة اللاحق
هناك نموذج ثالث ينتمي إلى هذا القرار وليس موجودًا في العنوان: Qwen-Audio-3.1-TTS-Plus، الذي صدر في 24 سبتمبر 2026. ويحقق 1,300 نقطة Elo في الساحة نفسها — أي أعلى بـ34 نقطة من فئة 3.0 Plus — وبالسعر نفسه البالغ 19.31 دولارًا لكل مليون حرف.
أعد قراءة ذلك بصفتك مشتريًا. أطلقت Alibaba نموذجًا أفضل بعد خمسة أسابيع من النموذج الوارد في هذه المقارنة، بسعر دون تغيير، وعلى عائلة نقاط النهاية نفسها. أي شخص يختار Qwen-Audio-3.0-TTS اليوم إنما يختار نموذجًا تجاوزه مورده نفسه دون أي خصم. لا تزال فئة 3.0 مدرجة ولا تزال جيدة — 1,266 في Elo هي المركز السادس في لوحة تضم 98 — لكن الخيار المستضاف الصحيح في هذه العائلة هو الآن 3.1، وليس 3.0.
لا تواجه Ming هذه المشكلة لأن ليس لها خلف ولا إيقاع إصدار. وهذا ميزة حقيقية لفريق يريد نتاجًا مستقرًا، وخطر حقيقي لفريق يريد أفضل صوت متاح خلال ستة أشهر. إن إصدارًا غير معلن دون التزام بخريطة طريق يمكن أن يصمت في أي من الاتجاهين.
من الذي يجب أن يختار ماذا
اختر Qwen-Audio-3.1-TTS-Plus — وليس 3.0 — إذا كنت تريد أعلى جودة مقيسة في هذه العائلة بسعر معروف لكل حرف، أو تحتاج إلى تغطية واسعة من اللغات، أو تريد أن يتولى شخص آخر مسؤولية الجهوزية. تقبّل العداد وتقبّل أن الطبقة التالية ستصل دون إنذار.
اختر Ming-3.0-tts-0.5B إذا كان الصوت يجب أن يعمل داخل محيطك الخاص، وإذا كان محتواك قائمًا على الصينية أولًا ويحتاج إلى السيتشوانية أو الكانتونية، وإذا كنت تريد تصميم صوت من وصف بدلًا من اختياره من مجموعة أصوات، أو إذا كان حجمك مرتفعًا بما يكفي بحيث تكون وحدة GPU تملكها بالفعل أفضل من فاتورة تُحتسب لكل حرف. خصّص ميزانية للجانب الهندسي: البيئة مثبتة بإصدارات محددة، وتطبيع النص يحتاج إلى مكتبة FST لا تتوفر لها حزمة wheel عامة، وأرقام الإنتاجية المنشورة الوحيدة تأتي من منصة اختبار مستقلة واحدة.
لا تختر أياً منهما، في الوقت الحالي، إذا كنت بحاجة إلى عقد دعم. لا يملك Ming أي إعلان، ولا خياراً مستضافاً، ولا التزاماً معلناً بالدعم؛ أما Qwen فيملك الثلاثة جميعاً، لكن فئة 3.0 لم تعد الخيار الذي ينبغي شراؤه. الخلاصة الصادقة هي أن هذه ليست معركة عادلة ولم يكن المقصود لها أن تكون كذلك — فأحدهما إصدار بحثي بترخيص والآخر منتج سحابي ببطاقة أسعار — والسؤال المفيد هو أي هذين الأمرين يحتاجه مشروعك فعلاً.
