Ming-3.0-tts-tiny 대 Breeze-TTS-2: 비상업적 라이선스에 맞서는 MIT 가중치

두 오픈 웨이트 음성 모델이 한 달 간격으로 등장했지만, 같은 축에서 경쟁하는 것은 아니다. Ming-3.0-tts-tiny는 Ant Group의 inclusionAI에서 나온 7.9B 규모의 mixture-of-experts 체크포인트로, 토큰당 약 1.3B 파라미터를 활성화하며 MIT 라이선스로 배포되고, 두 가지 중국어 방언을 포함해 9개 언어를 지원한다. Breeze-TTS-2는 BreezeBlue에서 나온 dense 3B 모델로, 영어와 중국어만 지원하고 코드는 Apache 2.0으로 공개하며, 가중치는 유료 호스팅 예외 조항이 있는 연구 및 비상업적 라이선스로 배포한다. 가장 큰 관심사인 "어느 쪽이 더 잘 들리는가"라는 질문은 알고 보면 가장 결정적이지 않은데, Ming의 점수처럼 보이는 아레나 항목이 사실 전혀 다른 체크포인트에 속해 있고, 라이선스 차이가 실제로 출시할 수 있는지를 결정하는 요인이기 때문이다. 이와 같은 공개를 둘러싼 문서화된 AI 실패와 에이전트 사건은 the OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 이견 표시가 함께 제공된다.

어느 벤더도 통상적인 의미의 정식 출시(GA) 이벤트를 발표하지 않았으며, 여기서는 두 사실 모두 중요합니다. Breeze-TTS-2의 가중치는 2026년 8월 25일에 공개되었고, 음성 설계 및 지연 시간 제품군은 8월 7일에 이어졌습니다. Ming-3.0-tts-tiny는 9월 24일부터 Hugging Face에 존재했지만, 추론 코드와 작업 쿡북이 GitHub에 도착한 10월 19일에야 실행 가능해졌습니다. 따라서 이는 직접 호스팅해야 하는 두 아티팩트에 대한 비교이며, 어느 쪽도 호스팅 가격을 제시할 수 있기 전에 작성되었고, 문서 전반에 걸쳐 그에 맞게 표시되어 있습니다.

일부 팀에게는 라이선스가 논쟁을 끝내주기 때문에 라이선스부터 시작하십시오.

두 라이선스는 동일한 허용의 변형이 아닙니다. 그것들은 서로 다른 범주의 허용입니다.

Ming-3.0-tts-tiny — MIT, 가중치와 코드 모두에 적용됩니다. 상업적으로 사용하고, 수정하고, 재배포하고, 폐쇄형 제품에 포함해 출시할 수 있습니다. Ant는 동의 없이 사람을 사칭하지 말고 합성 오디오임을 표시하라는 사용 지침을 덧붙입니다. 이는 문서에 담긴 요청일 뿐, 라이선스 부여의 조건은 아닙니다.

• Breeze-TTS-2 — 소스 코드에는 Apache 2.0이 적용되며, 가중치에는 별도의 "BreezeBlue Research and Non-Commercial License"가 적용됩니다. 호스팅된 결과물의 상업적 사용에는 유료 BreezeBlue 구독이 필요하며, 그 경우에도 해당 구독은 공개 가중치나 이를 직접 호스팅하여 생성한 결과물에까지 상업적 권리를 부여하지 않습니다.

두 번째 불릿을 주의 깊게 읽으세요. 왜냐하면 명백해 보이는 해석이 바로 틀린 해석이기 때문입니다. BreezeBlue에 비용을 지불한다고 해서 가중치가 상업적으로 실행할 수 있는 무언가로 바뀌는 것은 아니며, 호스팅 경로에 대한 라이선스를 부여하는 것입니다. 구독 여부와 관계없이 셀프 호스팅은 비상업적입니다. 계획이 "3B 모델을 미세 조정하고, 자체 엔드포인트 뒤에 두고, 과금하겠다"는 것이라면, 그 라이선스는 그 문을 닫고 MIT는 열어 둡니다. 내부 연구, 평가 또는 결코 돈을 받지 않을 프로토타입의 경우 그 구분은 비용이 들지 않습니다.

라이선스와 관련된 두 번째 차이가 있는데, 이는 위의 두 문단 어느 것보다도 더 많은 배포를 좌우한다. Ming의 릴리스는 백본, 확산 헤드, 오디오 토크나이저, 화자 인코더, 텍스트 토크나이저로 구성된 전체 파이프라인을 하나의 가중치 세트로 제공한다. Breeze는 코드와 가중치를 여러 런타임용으로 한꺼번에 패키징된 추론 경로와 함께 제공한다. Breeze-TTS-2를 둘러싼 파생 생태계에는 4비트 및 8비트 MLX 빌드와 전체 정밀도 포트, GGUF 양자화, int8 및 int4 변환, HQQ int4 빌드, 10월 18일의 ROCm/RDNA4 BF16 빌드, 10월 19일의 GPTQ int4 ROCm 빌드, ComfyUI 파인튜닝, 그리고 10월 6일 공개된 브라질 포르투갈어 LoRA가 포함된다. Ming-3.0-tts-tiny에는 그런 것이 전혀 없다. 사용 가능한 추론 경로를 가진 지 아직 하루가 되지 않았기 때문이다.

풋프린트 차이는 대략 10배 정도입니다.

여기서부터 "tiny"는 더 이상 작다는 뜻이 아닙니다. 이 이름은 필요한 메모리가 아니라 토큰당 활성 파라미터를 가리킵니다.

• Ming-3.0-tts-tiny — Hugging Face 자체 메타데이터 기준 BF16으로 8,980,964,372개 파라미터에 F32로 40,096개를 더한 모델이며, 저장소 용량은 약 18 GB이고, 공급업체의 환경 노트에서는 H800을 권장합니다. 7.9B 모델의 메모리를 지불하고 1.3B 모델의 지연 시간을 얻는 셈인데, 이는 임대 하드웨어에서의 배치 합성에는 좋은 거래이고 12 GB 카드가 들어가는 어떤 환경에도 나쁜 거래입니다.

• Breeze-TTS-2 — 3B 파라미터의 dense 모델로, eager 모드에서 약 7.7GiB의 GPU 메모리를 사용하고 --fast-all 활성화 시 약 14.4GiB를 사용합니다. BreezeBlue는 선택하는 경로에 따라 12GB 또는 24GB를 권장하며, Docker 기본값은 H100/Hopper sm90을 대상으로 하지만 A100 사용자는 FLASH_ATTN_CUDA_ARCHS=80을 설정해야 한다고 문서에 명시되어 있습니다.

• Ming의 동시성 모델 — 작업당 하나의 Python 진입점과 고정 기본값: guidance scale 2.0, temperature 0, flow step 10개, sigma 0.25, seed 1234. vLLM-Omni 지원은 로드맵에 있지만 아직 미완료 상태이므로, 현재는 고처리량 서빙 경로가 없습니다.

• Breeze의 동시성 모델 — 모노 24kHz 부호 있는 16비트 리틀엔디언 PCM을 반환하는 단일 동시성 HTTP 스트리밍 API로, 웜업된 H100에서 첫 오디오까지 걸리는 시간이 40밀리초 미만이고 실시간 계수가 0.32라고 주장합니다. 이는 실시간보다 약 3.1배 빠른 속도입니다.

마지막 두 항목은 이 트레이드오프를 정직하게 요약한 것입니다. Breeze는 한 번에 하나의 요청에서 스트리밍 지연 시간을 위해 설계되었고, Ming은 희소 활성화에서 단위 컴퓨팅당 처리량을 위해 설계되었으며 서빙 스택을 공개하지 않았습니다. 제품이 실시간 음성 에이전트라면, 이 둘은 동등한 출발점이 아닙니다. 제품이 매일 밤 실행되는 내레이션 배치라면, 동시성 모델은 라이선스와 메모리 비용보다 훨씬 덜 중요합니다.

언어 커버리지는 비슷하지 않고, 격차는 한 방향으로만 벌어진다.

Breeze-TTS-2는 영어와 중국어를 지원합니다. 해당 카드에는 이를 모호함 없이 명시하고 있으며, 두 언어 모두에서 인라인 발성 이벤트도 문서화합니다 — 영어의 (laugh)와 (sigh), 중국어의 [笑]와 [叹气] — 또한 정확한 전사문과 함께 참조 클립에서 복제하는 기능 및 음성 지시 제어를 제공합니다.

Ming-3.0-tts-tiny는 중국어, 영어, 독일어, 스페인어, 프랑스어, 한국어, 일본어를 지원하며, 방언 참조 클립을 제공하면 쓰촨어와 광둥어도 지원합니다. 자유 형식 스타일 제어, 자연어 설명을 통한 음성 설계, 100개 이상의 내장 중국어 음성과 5개의 영어 음성, 14개의 인라인 준언어 태그를 갖추고 있습니다. 또한 Breeze가 시도하지 않는 다중 화자 팟캐스트 생성도 수행합니다.

문제의 핵심은 Ant 자체의 다국어 표에 있으며, 9가 2를 이긴다고 가정하기 전에 가장 먼저 읽어야 할 부분이다. 한국어에서 Ming-3.0-tts-tiny는 문자 오류율 6.000%를 기록해 Ant가 벤치마크한 8개 시스템 중 6위였고, Ant 자체의 0.5B 형제 모델은 1.728%였다. 프랑스어에서는 오류율 기준 2위지만 화자 유사도 0.733은 상위 3위에 들지 못하며, 이는 카드 자체에서 밝히고 있는 한계다. 독일어(0.325%)와 스페인어(0.971%)는 해당 표에서 1위다. 따라서 정직하게 읽자면: Ming의 7개 언어 중 5개는 신뢰할 만하고, 한국어는 아직 아니며, 방언 지원은 독특하지만 Ant의 하네스 밖에서는 검증되지 않았다. 반면 Breeze는 다루지 않는 것에 대해서는 아무것도 주장하지 않는다 — 두 개 언어이며, 그 카드의 모든 결과는 그 두 언어에 관한 것이다.

아레나 수치, 그리고 그것이 일대일 비교가 아닌 이유

Breeze-TTS-2에는 독립적인 점수가 있습니다. Ming-3.0-tts-tiny에는 없으며, 그것처럼 보이는 항목은 다른 모델에 속합니다.

• Artificial Analysis의 Breeze-TTS-2, 2026년 10월 19일 라이브 보드에서 확인 — 각 모델이 자체 네이티브 음성 캐스트를 사용하는 Provider Voice에서 1,220 Elo, 모든 모델이 동일한 8개의 참조 음성을 복제하는 Controlled Voice에서 1,019.

• 동일한 보드에서 Ming 행 — Provider 1,188 및 Controlled 1,069 — 은 작은 체크포인트가 아니라 5억 규모 백본을 가진 dense 형제 모델인 Ming-3.0-tts-0.5B에 연결되어 있습니다. Ant의 GitHub README는 결과 섹션에서 이 수치들을 그 구분 없이 재현합니다. 분명히 해 둘 필요가 있습니다: Ming-3.0-tts-tiny에 대한 독립적인 Elo도, 측정된 초당 문자 수 수치도, 제3자 단어 오류율도 없습니다.

• 프로젝트 페이지 자체의 리더보드에는 Breeze가 Provider 1,222, Controlled 1,018로 표시되어 있으며, 이는 실시간 보드와 각각 2포인트씩 차이가 납니다. 이는 보드가 아직 투표를 누적하는 중일 때 나타나는 모습입니다. 실시간 수치를 인용하고, 문서를 비교하는 경우에는 반올림 사실을 명시하세요.

• 통제된 보드에서는 오픈 웨이트 시스템의 순위가 Ming-3.0-tts-0.5B 1,069점, Fish Audio Drama 3 Preview 1,059점, Breeze-TTS-2 1,019점입니다. 제공자 보드에서는 Breeze가 해당 그룹을 1,220점으로 선두하며, Ming-3.0-tts-0.5B는 1,188점입니다. 따라서 음성을 고정했을 때는 작은 Ming 모델이 이기고, 각 시스템이 자체 음성 캐스트를 가져올 때는 지는데, 이는 BreezeBlue의 음성 녹음에 대해서는 시사하는 바가 크지만 아키텍처에 대해서는 거의 말해주지 않습니다.

그중 어느 것도 작은 체크포인트에는 어느 방향으로도 전이되지 않는다. 독자는 0.5B 형제 모델보다 중국어 화자 유사도 점수가 더 높은 7.9B 전문가 혼합 모델이 통제된 평가 보드에서 더 높은 점수를 받을 것이라고 합리적으로 추론할 수 있다. 그 추론은 검증되지 않았고, 숫자도 아니며, 이 글은 그것을 숫자로 제시하지 않을 것이다.

각각이 실제로 무엇을 위한 것인지

스펙 목록을 걷어내면, 두 모델은 서로 다른 문제를 해결하고 있는 것이다.

Breeze-TTS-2는 배포 우선 릴리스입니다. 두 언어, eager 모드에서 12GB 카드에 들어가는 3B 규모의 조밀한 풋프린트, 문서화된 지연 경로를 갖춘 스트리밍 API, 데이터센터 Hopper를 겨냥하지만 A100용으로 재빌드할 수 있는 컨테이너, 그리고 가중치 공개 후 8주 이내에 등장한 양자화 및 런타임별 포트 생태계를 갖추고 있습니다. 지난달 다운로드 수 14,636회, 좋아요 747개, Spaces 17개라는 기록은 모델이 쉽게 실행될 때의 채택이 어떤 모습인지를 보여줍니다. 제약은 라이선스입니다. 연구 및 비상업적 가중치이며, 유료 호스팅 경로가 있지만 그것으로 상업적 자체 호스팅 권리를 살 수는 없습니다.

Ming-3.0-tts-tiny는 기능 우선 릴리스다. 9개 언어, 방언 제어, 음성 디자인, 14개 태그 준언어 시스템, 다중 화자 팟캐스트 생성, 그리고 자사 제품군 내 최고 복제 음성 점수인 중국어 화자 유사도 0.781을 갖췄다. 제약은 기능 자체가 아니라 그 주변의 모든 것이다: 18GB 다운로드, 실제 GPU 메모리를 요구하는 희소 활성화, 로드맵 체크박스에 불과한 서빙 스토리, 독립 벤치마크 부재, 그리고 발표 부재. Hugging Face에서 다운로드 20회와 좋아요 3개, GitHub에서 별 5개, 단 한 오후에 12개의 문서 커밋은 공급업체가 아직 매뉴얼을 작성 중임을 보여준다.

이번 분기에 이미 보유한 하드웨어에서 이중언어 음성 기능을 출시해야 한다면, 상용 계약을 통한 Breeze-TTS-2가 더 짧은 경로이며, 협상해야 할 것은 계산이 아니라 라이선스입니다. 독일어, 스페인어, 일본어, 광둥어 또는 팟캐스트 형식이 필요하다면 Breeze는 도움을 줄 수 없으며, Ming이 공개된 표를 갖춘 유일한 오픈 웨이트 옵션입니다 — 메모리 요구량을 감당할 수 있고 한국어가 아직 준비되지 않았다는 점을 받아들일 수 있다는 전제하에 말입니다.

OrcaRouter는 이 두 모델 중 어느 것도 라우팅하지 않으며, 이 글은 그렇다고 암시하는 것으로 읽혀서는 안 됩니다. 카탈로그에 있는 것은 이러한 음성들이 연결되는 파이프라인의 텍스트 절반입니다: 하나의 키 뒤에 200개가 넘는 모델, 공급업체 정가에 마크업 추가 없이, 따라서 공급업체 가격 변경이 갱신 주기가 아니라 당일 우리 쪽에 반영됩니다. 두 자체 호스팅 체크포인트를 비교 중이고 둘 다 호스팅 요금이 없다면, 실제로 통제할 수 있는 유일한 반복 청구는 스크립트를 작성하는 모델이며, 바로 그 부분이 GPU를 임대하는 대신 라우팅할 가치가 있는 부분입니다.

증거가 뒷받침하는 결론은 Elo 격차가 시사하는 것보다 더 좁다. 동일 조건의 상업적 배포에서는 벤치마크를 하나라도 읽기도 전에 MIT 라이선스가 결판을 낸다. 지연에 민감한 이중언어 작업에서는 라이선스보다 Breeze의 엔지니어링이 먼저 결판을 낸다. 그리고 대부분의 독자가 알고자 했던 질문, 즉 더 큰 모델이 더 좋게 들리는가에 대한 솔직한 답은 이렇다. 아무도 그것을 측정하지 않았고, 모두가 인용할 아레나 행은 잘못된 체크포인트이며, 동일한 참조 오디오로 두 모델을 모두 실행하는 첫 번째 사람이 인용할 가치가 있는 유일한 수치를 내놓을 것이다.