Ming-3.0-tts-0.5B vs Voxtral 4B TTS: Uno de estos pesos no está a la venta

Lee la licencia antes que el benchmark, porque en este emparejamiento zanja el debate primero. Ming-3.0-tts-0.5B es MIT: descárgalo, ajústalo, intégralo en un producto comercial, atribuye a Ant Group y sigue adelante. Voxtral 4B TTS es CC BY-NC 4.0, heredada de los conjuntos de datos de voces de referencia que hay detrás, lo que significa que los pesos de Mistral AI no están licenciados para uso comercial en absoluto. La vía comercial para Voxtral es la API a 0,016 $ por cada mil caracteres. Así que la verdadera pregunta no es qué modelo suena mejor. Es si compras una voz que operas o alquilas una voz a la que llamas, y solo uno de estos dos checkpoints te permite elegir. Los fallos de IA y los incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

Ese planteamiento suena a que facilita la comparación, pero no lo hace, porque los dos modelos son buenos en cosas distintas y el alojado incluye algo que el abierto no puede ofrecer: una curva publicada de latencia y rendimiento, ejecutada sobre infraestructura de servicio real, con tres niveles de concurrencia. Ming-3.0-tts-0.5B se publicó en Hugging Face el 24 de septiembre de 2026, y su código de inferencia en GitHub el 19 de octubre de 2026, sin que Ant Group anunciara ninguno de los dos: el modelo tiene 19 días como artefacto y horas como algo que realmente se puede ejecutar. Mistral anunció Voxtral 4B TT​S en marzo de 2026, y ha tenido siete meses para ser medido. A continuación: la licencia, la modalidad de despliegue, las cifras que cada parte puede reclamar honestamente y las preguntas que ningún proveedor ha respondido.

Dos licencias que no son variaciones sobre un tema

• Ming-3.0-tts-0.5B — MIT. Se permiten el uso comercial, la modificación, la redistribución y el ajuste fino, con atribución. Un checkpoint de 2,96 GB que puedes incluir en una imagen de contenedor, ejecutar en tu propio acelerador y entregar a un cliente sin pedir permiso a nadie.

• Voxtral 4B TT​S — CC BY-NC 4.0. No comercial. La ficha de Mistral es explícita en que el modelo hereda la licencia de sus voces de referencia, extraídas de fuentes como EARS, CML-TTS, IndicVoices-R y un conjunto de audio natural en árabe. Los pesos se descargan sin problema; la licencia es la limitación, no el archivo.

La distinción que la gente malinterpreta es que la API no está sujeta a la misma restricción. Llamar a Voxtral a través del servicio de Mistral es una transacción comercial con el proveedor, y $0.016 por cada mil caracteres es el precio. Alojarlo en tus propios servidores dentro de un producto de pago es un acto distinto, y es el que la licencia prohíbe. Si tu implementación tiene que ser on-premises —residencia de datos, inferencia en entornos aislados (air-gapped), un cliente que no aprobará un endpoint de terceros—, entonces Voxtral 4B TT​S no es una opción a ningún precio, mientras que Ming-3.0-tts-0.5B está disponible sin condiciones.

Ese es un límite duro, y merece la pena separarlo del más blando. Una licencia no comercial sigue permitiendo la evaluación, la investigación y la experimentación interna, así que la forma sensata de leer esta tabla es que Voxtral es un servicio que puedes probar gratis y Ming es un artefacto que puedes poseer por completo.

Qué aportan quinientos millones de parámetros, y qué no

• Tamaño y arquitectura: Ming-3.0-tts-0.5B es un modelo denso de 0.5B sobre una base Qwen2.5-0.5B con una cabeza de transformer de difusión, y el checkpoint incluye su tokenizador de audio y su codificador de hablante. Voxtral 4B TT​S tiene aproximadamente 4 mil millones de parámetros, se sirve mediante vLLM-Omni y está construido sobre la base Ministral-3-3B de Mistral.

• Salida — Ming a 44,1 kHz; Voxtral a 24 kHz en WAV, PCM, FLAC, MP3, AAC u Opus. Un máster a 44,1 kHz es la diferencia entre un archivo que puedes entregar a un editor de vídeo y uno que primero hay que remuestrear, y importa más en doblaje y radiodifusión que en un agente telefónico.

• Modos — Ming tiene tareas con nombre (TT​S, FREEFORM, VOICE_DESIGN, MULTILINGUAL, BASIC, EMOTION, DIALECT, IP) con exclusiones mutuas documentadas. Voxtral hace streaming y por lotes, sin una taxonomía de tareas equivalente publicada.

• Voces — Ming incluye más de 100 voces chinas integradas y cinco voces inglesas integradas, además de clonación zero-shot a partir de un clip breve y diseño de voz a partir de una descripción en lenguaje natural. Voxtral incluye 20 voces predefinidas y se adapta a un clip de referencia de tan solo tres segundos. Veinte es una lista seleccionada; cien es un elenco. Cuál prefieras depende de si estás creando un producto con una sola voz o una herramienta que permita a otras personas elegir una.

• Paralingüística — las 14 etiquetas en línea de Ming abarcan respiración, tos, suspiro, risa, vacilación, sorpresa y preguntas, además de controles explícitos de emoción, velocidad, tono y volumen. Mistral no publica ningún vocabulario de etiquetas para Voxtral. La ausencia de documentación no es ausencia de capacidad, y tampoco es evidencia de ella.

El recuento de parámetros de 0,5B es la parte que se malinterpreta. Ming no es una versión más pequeña de Voxtral; es un diseño diferente, que apuesta a que una arquitectura base compacta junto con un codificador de hablante incluido y un tokenizador bastan para el habla controlable, e invierte su capacidad en el control en lugar de en la escala. En la propia evaluación multilingüe de Ant, supera a VoxCPM2 en exactitud de contenido en cuatro de cinco idiomas, aunque pierde en similitud de hablante en los cinco, que es lo que se ve en una tabla de resultados cuando un modelo está ajustado para las palabras más que para el timbre.

El único número que Voxtral tiene y Ming no

Mistral publicó un benchmark de servicio, y es lo más útil de cualquiera de las dos versiones para cualquiera que planifique capacidad. En un único H200 ejecutando vLLM-Omni 0.18.0, con una entrada de 500 caracteres y una referencia de audio de diez segundos:

• Concurrencia 1 — 70 milisegundos de latencia, factor de tiempo real 0.103, aproximadamente 119 caracteres por segundo de tiempo de GPU.

• Concurrencia 16 — 331 milisegundos, RTF 0.237, aproximadamente 879 caracteres por segundo.

• Concurrencia 32 — 552 milisegundos, RTF 0,237 trasladado, aproximadamente 1.431 caracteres por segundo.

Eso es un plan de capacidad en tres líneas: la latencia se mantiene por debajo de un segundo mucho más allá de la concurrencia que la mayoría de los productos de voz alcanzan en la práctica, y el rendimiento escala aproximadamente doce veces desde un flujo hasta treinta y dos. Es el propio harness de Mistral, sin reproducir, y asume el entorno de referencia, pero es una forma con la que puedes dimensionar un despliegue.

La cifra equivalente de Ming es independiente en lugar de estar reportada por el proveedor, y mide algo ligeramente distinto. Artificial Analysis registra Ming-3.0-tts a 42,1 caracteres por segundo de tiempo de generación en su propio banco de pruebas, una solicitud a la vez. Eso es aproximadamente un tercio de la tasa de flujo único de Voxtral mediante un método diferente en hardware diferente, y la afirmación honesta es que las dos cifras no son directamente comparables: una es el rendimiento de Mistral con una concurrencia elegida en un H200, la otra es la medición de flujo único de un tercero en hardware no publicado. Lo que sí se puede decir es que ambas son suficientemente rápidas para voz interactiva y ninguna constituye una restricción de tiempo real.

La diferencia de rendimiento que sí importa está vinculada a las licencias. La curva de Voxtral es una razón para llamar a la API en lugar de construir alrededor de los pesos: la ingeniería de servicio ya está hecha y pagas por carácter en vez de por hora de GPU. La tasa de Ming es una razón para calcular tu propio punto de equilibrio, porque a 42,1 caracteres por segundo, un millón de caracteres supone unas 6,6 horas de generación, y si eso resulta barato depende por completo de lo que cueste tu acelerador cuando, por lo demás, está inactivo.

Nueve idiomas frente a siete, y ninguna de las dos listas es una afirmación de calidad

• Ming-3.0-tts-0.5B — chino, inglés, alemán, español, francés, coreano y japonés, con el sichuanés y el cantonés como tareas dialectales separadas y un identificador de idioma explícito obligatorio para los cinco idiomas no chinos.

• Voxtral 4B TT​S — inglés, francés, español, alemán, italiano, portugués, neerlandés, hindi y árabe. La ficha describe «diversos dialectos» dentro de esa compatibilidad sin enumerarlos.

La superposición es de cinco idiomas: inglés, francés, español, alemán y uno de coreano o japonés, según cómo se cuente la cobertura regional. Cada modelo cubre algo que el otro no: italiano, portugués, neerlandés, hindi y árabe del lado de Voxtral; coreano, japonés, sichuanés y cantonés del lado de Ming. Si tu hoja de ruta incluye árabe o hindi, la decisión está tomada antes de leer el primer benchmark.

Lo que ninguno de los dos proveedores publica es la calidad por idioma. Mistral no ofrece ninguna tasa de error para ninguno de sus nueve idiomas. Ant probó cinco idiomas distintos del chino en el conjunto Mi​niMax y publicó cifras, pero se trata del propio banco de pruebas de Ant frente a los competidores que Ant eligió, y no dicen nada sobre coreano o japonés frente a Voxtral porque Voxtral no estaba en la tabla. Por lo tanto, la comparación de idiomas que aparece aquí es de cobertura, no de competencia, y cualquier artículo que la presente como competencia no hace más que conjeturar.

La placa que tiene ambos, más o menos

Ambos modelos aparecen en las clasificaciones de voz de Artificial Analysis, pero no con la misma fecha de captura ni con el mismo conjunto de modelos alrededor, así que tómelo como una orientación y no como un resultado de comparación directa.

• Ming-3.0-tts-0.5B — Voz de proveedor 1.188 Elo (intervalo 1.173–1.203, rango de puestos 17–23, decimonovena fila de la lista); Voz controlada 1.069 (1.053–1.085, rango de puestos 10–18, decimotercera fila). Ambas capturas son del 19 de octubre de 2026, el día en que se publicó su código de inferencia.

• Voxtral 4B TT​S — Voz controlada 1.005 Elo, rango de clasificación 24–30, vigésima sexta fila de la misma captura del 19 de octubre. Su posición de voz del proveedor no figuraba en el material que pudimos verificar.

La tabla Controlled Voice es la que merece confianza, porque todos los modelos de allí clonan las mismas voces de referencia fijas y el elenco de voces deja de ser un factor de confusión. En la captura anterior, el 1.069 de Ming y el 1.005 de Voxtral están separados por 64 puntos y, con rangos de clasificación solapados, la conclusión honesta es que Ming obtiene una puntuación más alta en una medición tomada más tarde frente a un conjunto más amplio. No lo interpretes como una victoria consolidada de 64 puntos. Sí, interprétalo como evidencia de que un checkpoint abierto de 0,5B no está en desventaja frente a un modelo de proveedor de 4B en fidelidad de voz, que es la parte sorprendente.

Cuánto te cuesta realmente en ingeniería un pipeline Ming autoalojado

Adoptar Ming no es una descarga y una llamada a función. El entorno de referencia es uno fijado: PyTorch 2.6 con CUDA 12.4, probado en una H800-80GB y una H20-96G, con flash-attention opcional y SDPA como respaldo. La normalización de texto necesita pynini 2.1.6 —una biblioteca con fama de ser complicada de instalar— o se pasa una opción que desactiva la normalización y se acepta que los números, las monedas y las abreviaturas lleguen al modelo sin procesar.

Esos son los costos que nunca aparecen en una tabla comparativa y siempre aparecen en un sprint. Los costos equivalentes de Voxtral están ocultos dentro del precio de la API: alguien más fijó el entorno, alguien más se encarga de la concurrencia, y la contrapartida es que no puedes cambiar el elenco de voces más allá de adaptarlo a partir de un clip de referencia, y no puedes poner el modelo en una máquina que controles con fines comerciales.

La madurez de Ming también debe valorarse con honestidad. El repositorio de GitHub se publicó el 19 de octubre de 2026, con el primer commit que incluía el código de inferencia, un Dockerfile, ejemplos de un solo clic y un recetario de tareas, y con commits de documentación que fueron llegando a lo largo de esa tarde —incluido uno que marcaba el soporte de vLLM-Omni. vLLM-Omni es el mismo stack de servicio que Mistral utilizó para su benchmark de Voxtral, lo cual es una coincidencia útil: el camino hacia un despliegue en producción para Ming es el camino que Voxtral ya documentó, una capa más abajo.

Dónde encaja el enrutamiento y la parte que no toca

OrcaRouter no sirve Ming-3.0-tts-0.5B; es un checkpoint que ejecutas tú. Voxtral 4B TT​S está disponible a través de la API propia de Mistral, y este artículo no afirma que lo enrutemos. Lo que un router sí alcanza en cualquiera de las dos arquitecturas es el texto que rodea a la voz: el guion, las decisiones de etiquetas similares a SSML, el paso de traducción que convierte un guion maestro en nueve idiomas antes de la síntesis, el resumidor que acorta un pasaje para que encaje en una franja horaria. Esas llamadas ocurren cientos de veces por minuto de audio y son donde realmente se concentran el coste de una pipeline y sus modos de fallo.

Esa es la capa que operamos: más de 200 modelos de texto detrás de una sola clave al precio de lista del proveedor con un 0 % de margen añadido, de modo que una bajada de precio de un proveedor te llega el mismo día en que se aplica, y no en la siguiente revisión de precios; conmutación por error automática entre proveedores, para que una mala tarde de un único proveedor no detenga la generación de guiones que alimenta la voz; y un DSL de enrutamiento para combinar varios modelos en una sola llamada cuando el paso de traducción y la reescritura de estilo necesitan modelos distintos. El modelo de voz al final de la cadena lo eliges tú, y este artículo trata sobre cómo elegirlo.

Lo que ninguna de las dos tarjetas te dice

Tres preguntas deciden la mayoría de los despliegues reales, y ninguno de los dos proveedores responde a ninguna de ellas.

• ¿Cómo se mantiene la calidad bajo concurrencia? Mistral mide la latencia y el rendimiento con 32 flujos, pero no publica ninguna diferencia de calidad entre el procesamiento por lotes y el streaming. El lanzamiento de Ming no incluye ningún enfoque de concurrencia — un arnés de una sola solicitud, una GPU de referencia y ninguna curva de rendimiento de vLLM, solo una nota de soporte.

• ¿Cómo suena una generación fallida? Ninguna de las dos fichas documenta el comportamiento ante truncamientos, los bucles de repetición ni qué ocurre cuando un guion de 14 etiquetas choca con una frase que el modelo no puede analizar. La ficha de Ant es inusualmente sincera sobre sus puntos débiles —paralingüística de múltiples eventos inestable, control emocional que se degrada cuando las palabras no conllevan emoción, la similitud con el francés como su peor idioma y un diseño de voz abierto que no iguala al sistema más fuerte contra el que se evaluó—, pero una sección de limitaciones no es una taxonomía de fallos.

• ¿Quién lo mantendrá dentro de un año? Mistral es una empresa con un servicio comercial de TTS y un incentivo obvio para mantenerlo actualizado; el checkpoint de marzo ya lleva siete meses estable. Ming-3.0-tts-0.5B tiene un «me gusta», seis descargas y un repositorio creado el día en que se escribió esto. Es muy posible que Ant Group lo respalde —la familia Ming incluye variantes de ASR, audio y miniatura, lo que sugiere un programa más que una iniciativa puntual—, pero nada en el lanzamiento promete nada.

Ese último punto es el que hay que sopesar frente a la licencia MIT. Una licencia permisiva te garantiza el derecho a usar los pesos para siempre; no garantiza que alguien vaya a corregir un error en el código de inferencia, y la diferencia solo se hace visible al séptimo mes.

La decisión, en el orden en que realmente llega

Comienza por la restricción de despliegue, porque elimina una opción por completo. Si el modelo tiene que ejecutarse en infraestructura que tú controlas y la salida tiene que ser comercialmente utilizable, la respuesta es Ming-3.0-tts-0.5B, y las preguntas restantes son de ingeniería: fijar las versiones del entorno, lograr instalar pynini o aceptar texto sin normalizar, presupuestar unas 6,6 horas de GPU por cada millón de caracteres y aceptar que la voz será un poco menos fiel a un clip de referencia que la mejor alternativa abierta. Si el modelo tiene que hablar árabe, hindi, italiano, portugués o neerlandés, la respuesta es Voxtral 4B TTS a través de la API, y las preguntas restantes son comerciales: $0.016 por cada mil caracteres, veinte voces, una salida de 24 kHz que puede necesitar remuestreo y un proveedor que ha publicado la curva de servicio con la que vas a dimensionar.

Si ninguna de las dos restricciones resulta determinante, lo que decide el desempate es qué es tu producto. Un pipeline de doblaje o difusión que necesita muchas voces, cobertura de dialectos y emoción integrada quiere el elenco de Ming y su salida de 44.1 kHz, y lo pagará en operaciones. Un agente de voz o un IVR que necesita latencia predecible, streaming y alguien más disponible de guardia quiere la API de Voxtral, y lo pagará por carácter y con la pérdida de un elenco de voces que no puede ampliar más allá de veinte.

Lo único que vale la pena hacer antes de cualquiera de las dos cosas: anota en qué idiomas vas a lanzar realmente en los próximos doce meses y cuáles de ellos permitirá tu equipo legal que salgan de tu infraestructura. Esas dos listas reducen esto de una comparación de modelos a un único candidato más rápido que cualquier cifra de Elo y, a diferencia de las tablas de clasificación, están al día.