Guides & Insights

Ming-3.0-tts-tiny לעומת Sesame-Preview: צ'קפוינט שאפשר להוריד לעומת קול שאי אפשר לקרוא לו

מחבר

Rowan Sterling

תאריך פרסום

Oct 19, 2026

מודלים אחרונים · 20צפו בכל המודלים →

בנצ'מרקים: Artificial Analysis · מתעדכן יומית

חזרה לכל הפוסטים

שימו את Ming-3.0-tts-tiny ואת Sesame Preview באותו משפט, וההשוואה מתפרקת עוד לפני מבחן הביצועים הראשון, כי רק אחד מהם הוא משהו שמפתח יכול להשיג. Ming-3.0-tts-tiny הוא צ'קפוינט inclusionAI של Ant Group: 7.9 מיליארד פרמטרים בסך הכול, כ-1.3 מיליארד פעילים לכל טוקן, משקולות ברישיון MIT שפורסמו ב-Hugging Face עם קוד הסקה שהגיע ל-GitHub ב-19 באוקטובר 2026. Sesame Preview הוא עוזר צרכני — ארבעה קולות, אפליקציה ל-iOS ולאנדרואיד, בלי API, בלי מזהה מודל, בלי ציון מפורסם לקול שהופך אותו לראוי לכתיבה. האחד הוא קובץ. האחר הוא מוצר. השאלה המעניינת אינה איזה מהם נשמע טוב יותר, מכיוון שאיש לא מדד זאת באף אחד מהצדדים באופן שניתן להשוות, אלא מה כל אחד מהם מאפשר לכם לעשות ביום שלישי אחר הצהריים כשיש לכם תסריט ומועד אחרון. הכשלים המתועדים של AI ותקריות הסוכנים שמאחורי שחרורים כמו זה נאספים בארכיון תקריות ה-AI של OrcaRouter שבו כל ערך נושא את המקורות שלו, את רמת החומרה, את דירוג המהימנות ואת דגל המחלוקת.

התאריכים חשובים כאן באופן נדיר. המאגר של Ming-3.0-tts-tiny נוצר ב-22 בספטמבר 2026, המשקלים הועלו ב-24 בספטמבר, ובמשך שלושה וחצי שבועות הגרסה הייתה בלתי שמישה — תיקייה של שברי מודל בלי דרך מפורסמת להריץ אותם. קוד האינפרנס, הדוגמאות בלחיצה אחת וספר המתכונים למשימות נחתו יחד ב-19 באוקטובר בשעה 08:58 UTC. Ant לא הודיעה על דבר מזה. Sesame Preview, לעומת זאת, זמינה לציבור מאז האביב וקיבלה עדכון ממשי ב-6 באוקטובר 2026, כאשר מנהל המוצר הראשי של החברה תיאר מודל Conversational Speech Model חדש שעומד מאחורי האפליקציה. אף אחד מאלה אינו השקה במובן של הודעה לעיתונות, אבל שניהם מהלכים, ורק אחד מהם מגיע עם משהו שאפשר להוריד.

הגרסה הקצרה, לפני הראיות

אם אתם בונים מוצר, Sesame Preview אינו מועמד ואינו יכול להפוך לכזה היום: אין נקודת קצה לפנות אליה, אין רישיון לקרוא, אין מחיר, ואין התחייבות שהקול באפליקציה הוא הקול בכל מודל. אם אתם בונים מוצר וזקוקים לקול בבעלותכם, Ming-3.0-tts-tiny הוא מועמד — כזה צעיר, ללא דירוג, באירוח עצמי, שיאלץ אתכם לבצע הערכה משלכם.

זו ההחלטה כולה עבור רוב הצוותים. כל מה שלהלן מיועד למקרים שבהם זה לא כך: אלה שמשווים ביניהם כאודיו שיחתי ולא כמוצרים, או ששוקלים אם הגישה של Sesame היא זו שיש להעתיק.

מה כל אחד מהם בעצם שם בידיים שלך

• מה מורידים — Ming-3.0-tts-tiny: כ-18 GB המכילים את עמוד השדרה Ling V3, ראש diffusion-transformer, טוקנייזר אודיו, מקודד דובר CAM++ וטוקנייזר טקסט. Sesame Preview: אפליקציה מה-App Store או מ-Google Play, ותו לא.

• מה אפשר לקרוא לו — Ming-3.0-tts-tiny: מחלקת Python, MingTinyTTS.from_pretrained, עם שמות משימות לשיבוט ללא דוגמאות, סינתזה רב-לשונית, מאפיינים פראלינגוויסטיים, דיאלוג פודקאסט, רגש, דיאלקט, סגנון חופשי ועיצוב קול. Sesame: ממשק צ'אט עם ארבע אישיויות. מעולם לא פורסם מזהה מודל עבור הקול בייצור.

• רישיון — Ming-3.0-tts-tiny: MIT על המשקלים והקוד, עם הערת שימוש שמבקשת שלא להתחזות לאנשים ולתייג שמע סינתטי. Sesame: תנאי השירות של האפליקציה, בתוספת צ'קפוינט פתוח שנדון בהמשך ושאינו מודל הייצור.

• כיסוי שפות — Ming-3.0-tts-tiny: סינית, אנגלית, גרמנית, ספרדית, צרפתית, קוריאנית ויפנית, כאשר סצ'ואנית וקנטונזית זמינות מתוך קליפ ייחוס של ניב. Sesame: אנגלית היא השפה היחידה הנתמכת רשמית; המדריך מציין שהעוזרים מטפלים גם בצרפתית, איטלקית, גרמנית, ספרדית, סינית, יפנית וקוריאנית "בשלב מוקדם", מה שנקרא כאזהרה ולא כרשימת תכונות.

• מחיר — Ming-3.0-tts-tiny: אין מחירון; אתם משלמים עבור H800 וחשמל. Sesame: שימוש בחינם, אין דרגת תוכנית מפורסמת, והחברה אומרת שהיא אינה מציגה פרסומות ואינה מוכרת נתונים.

• ציון עצמאי — Ming-3.0-tts-tiny: אין, ובמיוחד לא 1,188 ה-Elo ש-Artificial Analysis מפרט עבור "Ming-3.0-tts", ששייך לצ'קפוינט של 0.5B. Sesame: אין גם עבור הקול של האפליקציה. זהו מפגש נדיר שבו לאף צד אין מספר.

A generated two-panel comparison titled 'One is a file. The other is a product.' The Ming-3.0-tts-tiny panel lists: you download a 7.9B MoE under MIT, you call a Python class, you can evaluate it, you can modify it. The Sesame Preview panel lists: you download nothing, you call an iOS or Android app, you cannot evaluate it, you cannot modify it. A centre badge reads 'no shared benchmark', and the footer notes both statements are read from vendor repositories and pages.

החפץ היחיד של Sesame שמפתח יכול להחזיק בו

יש מודל Sesame ב־Hugging Face, וכדאי להיות מדויקים לגבי מה שהוא, מפני שלעתים קרובות טועים לחשוב שהוא הקול באפליקציה.

CSM-1B הוא ברישיון Apache-2.0, אנגלית בלבד, ובנוי על הארכיטקטורה שהחברה תיארה בפומבי: עמוד שדרה Llama שמנבא את מחברת קודי האודיו הראשונה ומפענח עומק קטן יותר שמנבא את השאר, ומפענח באמצעות קודק Mimi של Kyutai ב-24 kHz. הכרטיס מכנה אותו "מודל בסיס ליצירה" — המסוגל להפיק קולות מגוונים, לא מותאם לאף קול מסוים, ובאופן מפורש נגזרת שלו היא שמפעילה את ההדגמה האינטראקטיבית, ולא ה-checkpoint עצמו הוא ההדגמה. נכון למועד איסוף הנתונים הזה, הוא הציג כ-130,000 הורדות בחודש הקודם וכ-2,500 לייקים, שזה קהל מפתחים ממשי עבור הפצת מחקר בת שנתיים.

מה זה אומר בפועל: אפשר לטעון את הארכיטקטורה של Sesame, לכוונן אותה ולארח בעצמך TTS שיחתי. אי אפשר לטעון את המוצר של Sesame. עדכון אוקטובר — CSM חדש עם כושר הבעה והגייה משופרים, במילותיה של החברה עצמה — הזיז את הדבר שאי אפשר להשיג, ולא אמר עליו שום דבר מדיד.

A screenshot of the Hugging Face model card for sesame/csm-1b captured October 19 2026, showing about 2.5 thousand likes, 1.65 thousand followers, the Text-to-Speech, Transformers, Safetensors, English and apache-2.0 tags, and card text describing CSM as a Conversational Speech Model that generates RVQ audio codes from a Llama backbone and a smaller decoder producing Mimi codes, with the note that a fine-tuned variant of CSM powers the interactive voice demo.

היכן שהם חופפים באמת, והיכן שהחפיפה מסתיימת

שניהם מכוונים לדיבור שנשמע כמו שיחה ולא כמו קריינות, וזה לא דבר קטן שיש להם במשותף. Sesame בנתה את המוניטין שלה על נשימה, היסוס ותזמון קטיעות כל כך משכנעים, עד שמאזינים ראשונים הניחו שאדם נמצא על הקו. המודל הזעיר של Ant מגיע עם 14 תגיות פרלינגוויסטיות מוטמעות לצחוק, אנחות, נשימה והיסוס, ומשימת פודקאסט עם מספר דוברים שהאח שלה בגודל 0.5B עצמו אינו מסוגל לבצע.

מעבר לכך, החפיפה מתדלדלת במהירות.

היתרון של Sesame הוא שהקול מוטמע במוצר עובד עם זיכרון, מחברים ל-Gmail, Calendar ו-Drive, מחשב משל עצמו לגלישה ולפעולה, תמיכה ב-MCP דרך OAuth, ומאוקטובר, היכולת לתזמר סוכנים אחרים. שום דבר מזה אינו תכונה של מודל דיבור; זהו עוזר, והדיבור הוא הדרך שבה מדברים איתו. היתרון של Ant הוא שהכול ניתן לבדיקה. כל מספר בכרטיס המודל ניתן לעקוב אחריו עד לקבוצת בדיקה, לכל משימה יש דוגמה ניתנת להרצה, והצינור הוא שלך לשינוי.

האסימטריה שמכריעה את רוב ההערכות פשוטה יותר משתי הרשימות גם יחד: עם Ming-3.0-tts-tiny אפשר לייצר את אותו משפט מאה פעמים ולהקשיב. עם Sesame אי אפשר לייצר דבר בכלל, כך שאין ניסוי להריץ — רק דעה על אפליקציה.

מה Ant מפרסמת, ומה זה שווה

הפיתוי בהתמודדות כזו הוא למלא את הפער בטבלאות הבנצ'מרק של Ant, והן נרחבות: סינית Seed-TTS ב-0.820% שגיאת מילים ודמיון דובר של 0.781, אנגלית ב-1.666% ו-0.728, גרמנית 0.325%, ספרדית 0.971%, תוצאות פרלינגוויסטיות של NVBench שמובילות בכל שש קטגוריות האירוע הבודד, חבילות ניבים ב-86.09% ב-WSC-Eval-TTS easy, רגש ב-74.00% ב-CV3, עיצוב קול ב-75.37% ב-InstructTTSEval-ZH.

כל אחד מאלה הוא Ant שמודד את Ant, על רתמת הבדיקה של Ant, עם קליפי הייחוס וקוד הניקוד של Ant, ושום דבר מזה לא שוחזר מחוץ לחברה. זה לא הופך את המספרים לשגויים. זה הופך אותם לנתונים שמדווחים על ידי הספק, וזה אומר שאי אפשר להעמיד אותם מול נתון של Sesame, כי אין נתון של Sesame להעמיד אותם מולו.

התוצאה האחת במערך הבדיקות שמתנהגת כמו השוואה אמיתית היא דווקא הלא-נוחה: בקוריאנית, Ming-3.0-tts-tiny מציג 6.000% שגיאת תווים, בעוד שאחיו ה-0.5B מציג 1.728%. כרטיס המודל מפרט את הקוריאנית בין החולשות הידועות ואינו מציע הסבר. הסבר סביר אחד — ניתוב דליל שנותן לשפה בעלת אימון מועט פחות קיבולת ממה שמודל צפוף בגודל דומה היה נותן — הוא השערה, לא ממצא. הקריאה התפעולית היא הבטוחה: אם הקוריאנית נכללת בהיקף, יש לבדוק אותה לפני שסומכים עליה.

האם יש מה ללמוד מהמודל של Sesame בלי המודל?

כן, וזה הדבר השימושי ביותר בהשוואה הזו אחרי הבדל הרישיון: Sesame מפרסמת בנצ'מרק. ב-28 באוגוסט 2026 היא שחררה את TurnBench, בנצ'מרק פתוח לחילופי תורות בדיאלוג מדובר — 30 שעות של דיבור דיאדי עם תיוג משולש, פרוטוקול ניקוד שנגזר מניתוח שיחה, טבלת מובילים ציבורית, ותוצאות עבור 14 מערכות, שנבנה עם Carnegie Mellon, Mundo AI ו-Oto.

חילופי תורות הם בדיוק התכונה שגם לוח Elo מבוסס העדפות וגם טבלת שגיאות מילים אינם מצליחים ללכוד, והיא התכונה שהמוצר של Sesame מפורסם בה. אם אתם מעריכים את Ming-3.0-tts-tiny למשהו שיחתי, TurnBench הוא הכלי שאיתו כדאי לעבוד למרות שהאפליקציה של Sesame עצמה לא נכללת בו: דרגו את המועמד שלכם בטיפול בהפרעות ובתזמון backchannel במקום לנחש לפי מדד דמיון.

זו צורתה של השוואה הוגנת כאן. לא Ming-3.0-tts-tiny מול הקול של Sesame Preview, שאי אפשר להריץ, אלא Ming-3.0-tts-tiny מול בנצ'מרק ציבורי ש-Sesame הגדיר עבור התכונה ששניהם רודפים אחריה.

אם אתה בונה את הדבר שאחד מהם מיועד עבורו

{{1}}הארכיטקטורה המציאותית לשנת 2026 למוצר קולי היא שכבת דיבור ועוד מוח טקסטואלי שמחליט מה לומר{{/1}}, ושני אלה תופסים קצוות מנוגדים של אותו סטאק. {{2}}Ming-3.0-tts-tiny יכול להיות שכבת הדיבור, אם יש לכם GPU ואת התיאבון להעריך אותו.{{/2}} {{3}}Sesame Preview לא יכול להיות שכבה בכלל; זהו מוצר מתחרה שתבנו כנגדו.{{/3}}

מוח הטקסט הוא החלק שבו נתב באמת מועיל ולא רק דקורטיבי. OrcaRouter מציע יותר מ-200 מודלים טקסטואליים מאחורי מפתח אחד, במחיר המחירון של הספק ללא תוספת רווח, כך ששינוי מחיר של ספק הוא המחיר שלך באותו יום, עם מעבר אוטומטי בין ספקים במקרה של תקלה. ליתר בהירות בנוגע לכיסוי: אף מודל דיבור של Ant אינו נתיב כאן, כולל Ming-3.0-tts-tiny, וגם אף מודל של Sesame אינו כזה, כולל CSM-1B. מה שמונתב הוא החצי של הצינור שכותב את התסריט, בוחר את תגית הרגש ומחליט מתי הסוכן צריך לדבר — וזה גם החצי שאפשר להחליף בו ספקים בלי להקליט מחדש דבר.

מה לצפות במקום עימות ראש בראש

שלושה דברים היו הופכים את זה להשוואה אמיתית, ואף אחד מהם עדיין לא קרה.

נקודת קצה מתארחת עבור Ming-3.0-tts-tiny, או צד שלישי שמפרסם זמן השהיה ושיעור שגיאות נמדדים עבורו. מפת הדרכים של Ant עצמה מזכירה תמיכה ב-vLLM-Omni, שזו שאלת הגשה ולא שאלת איכות, אבל זהו התנאי המקדים לכך שמישהו אחר יוכל לדרג את המודל.

מספר המשויך ל-CSM של Sesame מאוקטובר. החברה אומרת שהאקספרסיביות וההגייה השתפרו ושההבדל גדול בשיחות ארוכות; היא לא פרסמה מזהה מודל, נתון השהיה או בנצ'מרק, והמדידה הציבורית היחידה של משהו קרוב נותרת TurnBench, שמדרגת תורות דיבור ולא איכות קול.

ותוצאה קוריאנית מכל גורם אחר מלבד Ant. נתון 6.000% הוא הפגם הברור ביותר ברשומה שפורסמה, וצוות שני שישחזר או יסתור אותו יגיד לך יותר על הצ'קפוינט הזה מכל ציון Elo.

עד אז, המסקנה הכנה אינה זוהרת: את אחד מהם אפשר להוריד, לבדוק ולהפיץ, עם רישיון שמתיר זאת ומערך מבחני ביצועים שרק המחבר שלו הריץ. עם האחר אפשר לדבר בטלפון, להעריץ אותו, ולא לבנות עליו.

A generated closing graphic titled 'What would make this a real comparison' with three cards: 'A hosted endpoint' describing someone publishing latency and error rate for Ming-3.0-tts-tiny; 'A number for Sesame' noting no model ID and no benchmark since 6 October; and 'A second Korean result' asking for the 6.000% figure to be reproduced or contradicted by anyone else. The footer reads 'All three are open questions as of October 2026.'

Ming-3.0-tts-tiny לעומת Sesame-Preview: צ'קפוינט שאפשר להוריד לעומת קול שאי אפשר לקרוא לו

הגרסה הקצרה, לפני הראיות

מה כל אחד מהם בעצם שם בידיים שלך

החפץ היחיד של Sesame שמפתח יכול להחזיק בו

היכן שהם חופפים באמת, והיכן שהחפיפה מסתיימת

מה Ant מפרסמת, ומה זה שווה

האם יש מה ללמוד מהמודל של Sesame בלי המודל?

אם אתה בונה את הדבר שאחד מהם מיועד עבורו

מה לצפות במקום עימות ראש בראש

מוצר

משאבים

לספקים

הצטרפו לקהילה שלנו

מהבלוג

ספקי מודלים