Ming-3.0-tts-tiny مقابل Breeze-TTS-2: أوزان MIT في مواجهة ترخيص غير تجاري

صدر نموذجان للكلام مفتوحا الأوزان في غضون شهر من بعضهما، وهما لا يتنافسان على المحور نفسه. Ming-3.0-tts-tiny، من inclusionAI التابعة لـ Ant Group، هو نقطة تحقق قائمة على خليط الخبراء بحجم 7.9 مليار، تفعّل نحو 1.3 مليار معامل لكل رمز، وتُتاح بموجب MIT، وتغطي تسع لغات بينها لهجتان صينيتان. Breeze-TTS-2، من BreezeBlue، هو نموذج كثيف بحجم 3 مليارات يغطي الإنجليزية والصينية فقط، وينشر شيفرته بموجب Apache 2.0، ويصدر أوزانه بموجب ترخيص للبحث والاستخدام غير التجاري مع استثناء يتعلق بالاستضافة المدفوعة. السؤال الأبرز — أيهما يبدو أفضل صوتًا — يتبين أنه الأقل حسمًا، لأن مدخل الساحة الذي يبدو وكأنه نتيجة Ming ينتمي إلى نقطة تحقق مختلفة تمامًا، واختلاف الترخيص هو ما يحدد ما إذا كان يمكنك الشحن على الإطلاق. تُجمع إخفاقات الذكاء الاصطناعي وحوادث الوكلاء الموثقة التي تقف خلف إصدارات مثل هذا الإصدار في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي حيث يحمل كل مدخل مصادره الخاصة ودرجة الخطورة وتصنيف الثقة وعلامة النزاع.

لم يُعلن أيٌّ من المورّدين عن حدث إتاحة عامة بالمعنى المعتاد، وكلتا الحقيقتين مهمّتان هنا. نُشرت أوزان Breeze-TTS-2 في 25 أغسطس 2026، مع لحاق حزم تصميم الصوت وزمن الاستجابة في 7 أغسطس. كان Ming-3.0-tts-tiny موجودًا على Hugging Face منذ 24 سبتمبر، لكنه لم يصبح قابلًا للتشغيل إلا في 19 أكتوبر، عندما وصلت شيفرة الاستدلال وكتاب وصفات المهام الخاص به إلى GitHub. لذا فالمقارنة هنا بين قطعتين برمجيتين عليك استضافتهما بنفسك، وقد كُتبت قبل أن يتوفر لأيٍّ منهما سعر استضافة يُذكر، وموسومة وفقًا لذلك في كل مكان.

ابدأ بالترخيص، لأنه يحسم الجدل بالنسبة لبعض الفرق

الرخصتان ليستا تنويعين على الإذن نفسه. بل هما فئتان مختلفتان من الإذن.

• Ming-3.0-tts-tiny — MIT، للأوزان والشيفرة على حدٍّ سواء. يمكنك استخدامه تجاريًا، وتعديله، وإعادة توزيعه، وتضمينه في منتج مغلق المصدر. تُرفق Ant ملاحظة استخدام تطلب منك عدم انتحال شخصية الأشخاص دون موافقتهم ووسم الصوت الاصطناعي؛ وهذه طلبٌ وارد في الوثائق، وليس شرطًا من شروط المنح.

• Breeze-TTS-2 — Apache 2.0 للشيفرة المصدرية، ورخصة منفصلة باسم «BreezeBlue Research and Non-Commercial License» للأوزان. يتطلب الاستخدام التجاري للمخرجات المستضافة اشتراكًا مدفوعًا في BreezeBlue، وحتى حينها لا يمنح الاشتراك حقوقًا تجارية تمتد إلى الأوزان المفتوحة أو إلى المخرجات التي تولّدها باستضافتها ذاتيًا.

اقرأ تلك النقطة الثانية بعناية، لأن التفسير البديهي هو التفسير الخاطئ. فدفع المال لـ BreezeBlue لا يحوّل الأوزان إلى شيء يمكنك تشغيله تجاريًا؛ بل يرخّص مسارًا مستضافًا. والاستضافة الذاتية غير تجارية سواء اشتركت أم لم تشترك. وإذا كانت خطتك هي "ضبط نموذج 3B ضبطًا دقيقًا، ووضعه خلف نقطة نهاية خاصة بنا، والفوترة مقابل ذلك"، فإن الترخيص يغلق هذا الباب بينما يتركه MIT مفتوحًا. أما لأغراض البحث الداخلي أو التقييم أو نموذج أولي لن يدرّ أي مال، فإن هذا التمييز لا يكلفك شيئًا.

ثمة فرق ثانٍ قريب من مسألة الترخيص، وهو يحسم عمليات نشر أكثر مما تحسمه أي من الفقرتين أعلاه. يوفّر إصدار Ming منظومة كاملة — العمود الفقري، ورأس الانتشار، ومُرمّز الصوت، ومُرمّز المتحدث، ومُرمّز النص — على هيئة مجموعة أوزان واحدة. أما Breeze فيوفّر شيفرته وأوزانه مع مسار استدلال جرى تغليفه لعدة بيئات تشغيل في آن واحد: تشمل منظومة الإصدارات المشتقة حول Breeze-TTS-2 إصدارات MLX بدقة 4 بتات و8 بتات إضافة إلى نقل كامل الدقة، وتكميمات GGUF، وتحويلات int8 وint4، وإصدار HQQ int4، وإصدار ROCm/RDNA4 BF16 بتاريخ 18 أكتوبر، وإصدار GPTQ int4 ROCm بتاريخ 19 أكتوبر، وعمليات ضبط دقيق لـ ComfyUI، وLoRA برتغالية برازيلية نُشرت في 6 أكتوبر. ولا يملك Ming-3.0-tts-tiny أيًا من ذلك، لأن مسار الاستدلال القابل للاستخدام لديه لم يمضِ عليه أقل من يوم.

يبلغ الفرق في البصمة نحو مرتبة مقدار تقريبًا.

هنا يتوقف «tiny» عن أن يعني الصغر. فالاسم يصف المعاملات النشطة لكل رمز، لا الذاكرة التي تحتاج إليها.

• Ming-3.0-tts-tiny — وفق البيانات الوصفية الخاصة بـ Hugging Face نفسها، يضم 8,980,964,372 معاملًا بصيغة BF16 بالإضافة إلى 40,096 بصيغة F32، أي نحو 18 GB من مساحة تخزين المستودع، مع التوصية باستخدام H800 في ملاحظات البيئة الخاصة بالمورّد. أنت تدفع ذاكرة نموذج بحجم 7.9B وتحصل على زمن استجابة نموذج بحجم 1.3B، وهي مقايضة جيدة لتركيب الكلام على دفعات على عتاد مستأجر، وسيئة لأي شيء يتضمن بطاقة بذاكرة 12 GB.

• Breeze-TTS-2 — كثيف بمعاملات 3B، حوالي 7.7 GiB من ذاكرة GPU في وضع eager وحوالي 14.4 GiB مع تمكين --fast-all. توصي BreezeBlue بـ 12 GB أو 24 GB اعتمادًا على المسار الذي تختاره، وتوثّق أن إعدادات Docker الافتراضية لديها تستهدف H100/Hopper sm90 بينما يحتاج مالكو A100 إلى تعيين FLASH_ATTN_CUDA_ARCHS=80.

• نموذج التزامن لدى Ming — نقطة دخول Python لكل مهمة بإعدادات افتراضية ثابتة: مقياس الإرشاد 2.0، درجة حرارة صفر، عشر خطوات تدفق، sigma 0.25، seed 1234. دعم vLLM-Omni موجود على خارطة الطريق وغير مُنجز، لذا لا يوجد مسار خدمة عالي الإنتاجية اليوم.

• نموذج التزامن لدى Breeze — واجهة برمجة تطبيقات HTTP للبث أحادية التزامن تُرجع PCM أحادي القناة بتردد 24 كيلوهرتز وموقّع 16 بت وصغير الطرف (little-endian)، مع زمن مُدّعى حتى أول صوت أقل من 40 مللي ثانية على H100 مُسخّن وعامل زمن حقيقي 0.32، وهو أسرع بنحو 3.1 مرة من الزمن الحقيقي.

هذا الزوج الأخير هو الملخص الصادق للمقايضة. صُمّم Breeze هندسياً لزمن وصول البثّ لطلب واحد في كل مرة؛ أما Ming فصُمّم لتحقيق الإنتاجية لكل وحدة حوسبة على التنشيط المتفرّق، ولم ينشر حزمة خدمة. إذا كان منتجك وكيلاً صوتياً مباشراً، فهاتان ليستا نقطتي انطلاق متكافئتين. وإذا كان منتجك دفعة ليلية من السرد الصوتي، فإن نموذج التزامن يهم أقل بكثير من الترخيص وفاتورة الذاكرة.

التغطية اللغوية ليست متقاربة، والفجوة تسير في اتجاه واحد.

يدعم Breeze-TTS-2 اللغتين الإنجليزية والصينية. وتذكر بطاقته ذلك دون تحفظ، كما توثّق أحداثًا صوتية مضمّنة في اللغتين — (laugh) و(sigh) بالإنجليزية، و[笑] و[叹气] بالصينية — إضافةً إلى الاستنساخ من مقطع مرجعي مع نصه الحرفي والتحكم في توجيه الصوت.

يغطي Ming-3.0-tts-tiny اللغات الصينية والإنجليزية والألمانية والإسبانية والفرنسية والكورية واليابانية، مع السيتشوانية والكانتونية عند تزويده بمقطع مرجعي للهجة. ويضيف تحكمًا حرًّا في الأسلوب، وتصميمًا للأصوات انطلاقًا من وصف باللغة الطبيعية، وأكثر من 100 صوت صيني مدمج وخمسة أصوات إنجليزية، و14 وسمًا لغويًا موازيًا مضمَّنًا. كما ينتج بودكاست متعدد المتحدثين، وهو ما لا يحاول Breeze فعله.

المشكلة تكمن في جدول Ant متعدد اللغات نفسه، وهو أول ما ينبغي قراءته قبل افتراض أن التسعة تتفوق على الاثنين. في الكورية، يسجّل Ming-3.0-tts-tiny معدل خطأ في الأحرف قدره 6.000%، وهو السادس بين الأنظمة الثمانية التي قاسها Ant، مقابل 1.728% لنظيره 0.5B الخاص بـ Ant. وفي الفرنسية يحتل المرتبة الثانية من حيث معدل الخطأ، لكن تشابه المتحدث لديه البالغ 0.733 لا يضعه ضمن الثلاثة الأوائل، وهو قيد تذكره البطاقة نفسها. الألمانية (0.325%) والإسبانية (0.971%) تحلان في المرتبة الأولى في ذلك الجدول. لذا فالقراءة الصادقة هي: خمس من لغات Ming السبع موثوقة، والكورية ليست موثوقة بعد، ودعم اللهجات فريد لكنه غير مُتحقق منه خارج بيئة اختبار Ant. أما Breeze، في المقابل، فلا يدّعي شيئًا لا يغطيه — لغتان فقط، وكل نتيجة في بطاقته تتعلق بهاتين اللغتين.

أرقام الساحة، ولماذا لا تُعد مواجهة مباشرة

Breeze-TTS-2 لديها درجة مستقلة. أما Ming-3.0-tts-tiny فليست لديها درجة مستقلة، والإدخال الذي يبدو كذلك يخص نموذجًا مختلفًا.

• Breeze-TTS-2 على Artificial Analysis، كما قُرئت من اللوحات المباشرة في 19 أكتوبر 2026 — 1,220 نقطة إيلو في Provider Voice، حيث يستخدم كل نموذج طاقم الأصوات الأصلي الخاص به، و1,019 في Controlled Voice، حيث يستنسخ كل نموذج الأصوات المرجعية الثمانية نفسها.

• صف Ming في اللوحات نفسها — 1,188 Provider و1,069 Controlled — مرتبط بـ Ming-3.0-tts-0.5B، النموذج الشقيق الكثيف ذي العمود الفقري بنصف مليار معلمة، وليس بنقطة التحقق الصغيرة. ويعيد ملف README على GitHub الخاص بـ Ant إنتاج هذه الأرقام في قسم النتائج دون هذا التمييز. يجدر بنا أن نكون صريحين: لا يوجد تقييم Elo مستقل لـ Ming-3.0-tts-tiny، ولا رقم مقيس للأحرف في الثانية، ولا معدل خطأ كلمات من طرف ثالث.

• لوحة الصدارة الخاصة بصفحة المشروع نفسها تذكر Breeze عند 1,222 Provider و1,018 Controlled، بفارق نقطتين عن اللوحة المباشرة في كل اتجاه. هكذا تبدو اللوحة عندما لا تزال تجمع الأصوات؛ اذكر الأرقام المباشرة ونبّه إلى التقريب إذا كنت تقارن المستندات.

• على اللوحة المضبوطة، يكون ترتيب أنظمة الأوزان المفتوحة كالتالي: Ming-3.0-tts-0.5B عند 1,069، وFish Audio Drama 3 Preview عند 1,059، وBreeze-TTS-2 عند 1,019. وعلى لوحة المزوّدين تتصدّر Breeze تلك المجموعة عند 1,220، مع Ming-3.0-tts-0.5B عند 1,188. لذا يفوز نموذج Ming الصغير عندما يُثبَّت الصوت ويخسر عندما يأتي كل نظام بطاقمه الخاص — وهذا يقول شيئًا عن تسجيلات صوت BreezeBlue وقليلًا جدًا عن البنية المعمارية.

لا شيء من ذلك ينتقل إلى نقطة الحفظ الصغيرة في أي من الاتجاهين. يمكن للقارئ أن يستنتج بشكل معقول أن نموذج مزيج خبراء بحجم 7.9B يتمتع بدرجة تشابه مع المتحدثين الصينيين أفضل من نظيره بحجم 0.5B سيحقق درجة أعلى على اللوحة المضبوطة. هذا الاستنتاج غير مختبَر، وهو ليس رقمًا، ولن يقدّمه هذا المقال على أنه كذلك.

ما هو الغرض الفعلي من كل منها

إذا تجاهلنا قوائم المواصفات، نجد أن الطرازين يعالجان مشكلتين مختلفتين.

Breeze-TTS-2 إصدار يركز على النشر أولاً. لغتان، وبصمة كثيفة بحجم 3B تتسع لبطاقة 12 GB في وضع eager، وواجهة برمجة تطبيقات للبث مع مسار زمن استجابة موثّق، وحاوية تستهدف Hopper في مراكز البيانات لكن يمكن إعادة بنائها لـ A100، ومنظومة من النسخ المكمّمة والخاصة ببيئات تشغيل ظهرت خلال ثمانية أسابيع من إصدار الأوزان. عدد تنزيلاته — 14,636 خلال الشهر الماضي، مع 747 إعجابًا و17 Spaces — هو ما يبدو عليه التبنّي عندما يكون تشغيل النموذج سهلًا. قيده هو الترخيص: أوزان للبحث وغير تجارية، مع مسار استضافة مدفوع لا يمنحك حقوق الاستضافة الذاتية التجارية.

Ming-3.0-tts-tiny إصدار يضع القدرات في المقام الأول. تسع لغات، وتحكم في اللهجات، وتصميم للأصوات، ونظام شبه لغوي من 14 وسمًا، وتوليد بودكاست متعدد المتحدثين، وأفضل درجة صوت مستنسخ في عائلته عند 0.781 من تشابه المتحدث الصيني. أما قيده فهو كل ما يحيط بالقدرة: تنزيل بحجم 18 GB، وتفعيل متناثر يحتاج إلى ذاكرة GPU حقيقية، وقصة تقديم خدمة لا تتعدى كونها بندًا في خارطة طريق، وغياب معيار مستقل، وغياب إعلان. عشرون تنزيلًا وثلاثة إعجابات على Hugging Face، وخمس نجوم على GitHub، واثنا عشر إيداعًا توثيقيًا في ظهيرة واحدة تخبرك بأن المورّد لا يزال يكتب الدليل.

إذا كنت بحاجة إلى إطلاق ميزة صوتية ثنائية اللغة هذا الربع على أجهزة تملكها بالفعل، فإن Breeze-TTS-2 مع اتفاق تجاري هو المسار الأقصر، والترخيص هو ما ينبغي التفاوض عليه بدلاً من الحسابات. وإذا كنت بحاجة إلى الألمانية أو الإسبانية أو اليابانية أو الكانتونية أو تنسيق بودكاست، فلا يمكن لـ Breeze مساعدتك، وMing هو الخيار الوحيد مفتوح الأوزان الذي لديه جدول منشور — بشرط أن تستطيع تحمّل الذاكرة وتقبل أن الكورية غير جاهزة.

لا يوجّه OrcaRouter أيًّا من هذين النموذجين، ولا ينبغي قراءة هذا المقال على أنه يوحي بغير ذلك. ما يوجد في الكتالوج هو النصف النصي من خط الأنابيب الذي تتصل به هذه الأصوات: أكثر من 200 نموذج خلف مفتاح واحد، بسعر قائمة المزوّد دون إضافة أي هامش ربح، لذا يصبح أي تغيير في سعر المزوّد ساريًا لدينا في اليوم نفسه بدلًا من انتظار دورة تحديث. وعندما تقارن بين نقطتي تفتيش مستضافتين ذاتيًا ولا يتوفر لأي منهما سعر استضافة، فإن الفاتورة المتكررة الوحيدة التي يمكنك التحكم فيها فعليًا هي النموذج الذي يكتب النص البرمجي، وهذا هو الجزء الجدير بتوجيه الطلبات إليه بدلًا من استئجار وحدة معالجة رسومات.

الحكم الذي يصمد أمام الأدلة أضيق مما توحي به فجوة Elo. وفي نشر تجاري متكافئ الظروف، يحسم ترخيص MIT الأمر قبل قراءة أي اختبار قياسي واحد. وفي الأعمال ثنائية اللغة الحساسة لزمن الاستجابة، تحسم هندسة Breeze الأمر قبل أن يحسمه الترخيص. وأما السؤال الذي جاء من أجله معظم القراء — هل يبدو النموذج الأكبر أفضل صوتًا — فالإجابة الصادقة هي أن لا أحد قاس ذلك، وأن الصف في الساحة الذي سيستشهد به الجميع هو نقطة التحقق الخاطئة، وأن أول شخص يشغّل كليهما على الصوت المرجعي نفسه سينتج الرقم الوحيد الجدير بالاقتباس.