GPT-Live-1 vs Ming-3.0-TTS: Een MIT-licentie tegenover een per minuut afgerekende minuut

Ming-3.0-TTS verscheen op 20 oktober 2026 met de licentie waarvan de meeste stemteams dromen: MIT, gewichten op Hugging Face en ModelScope, inferentiecode op GitHub, geen kosten per teken, en Sichuan-Chinees en Kantonees in de talenlijst. GPT-Live-1 kost $0,05 per minuut, wordt zonder gewichten geleverd en spreekt de talen waarvoor OpenAI het heeft afgestemd. Een vergelijking tussen beide is niet echt een kwestie van kwaliteit. Het is een kwestie van welke taal je klanten eigenlijk spreken en of je bereid bent een GPU te draaien om hen te bedienen.

Beide zijn echt, beide zijn actueel, en beide zijn goed in dingen die de ander niet kan. Hier is de eerlijke verdeling.

De Ming-familie bestaat uit twee modellen, niet uit één.

Het inclusionAI-team van Ant Group heeft Ming-3.0-TTS open source gepubliceerd als een paar dat één generatieframework deelt — een taalmodel dat invoer levert aan een diffusion-transformer-patchhoofd en een audiotokenizer.

• Ming-3.0-TTS-0.5B — dense, ongeveer 500 miljoen parameters op een Qwen2.5-0.5B-backbone, een download van 2,96 GB, draait op een H800-80GB of een H20-96G.

• Ming-3.0-TTS-Tiny — een mixture-of-experts-opzet op Ants Ling V3-architectuur, in totaal 7,9 miljard parameters met 1,3 miljard actief, en degene die een podcastmodus met meerdere sprekers toevoegt.

De 0.5B is de interessante voor iedereen die ooit de kosten van een spraakproduct heeft ingeschat. Een TTS-model met een half miljard parameters dat in drie gigabyte past, is geen datacenterverplichting; het is één GPU die je misschien al hebt. De Tiny is de kwaliteitskeuze, en Ants eigen notities zeggen dat de podcastoutput ervan onder de eerdere Ming-Omni-TTS ligt — een openhartige beperking, en een die je voor wat ze is moet nemen.

Functies: zero-shot stemklonen, stemontwerp op basis van een tekstbeschrijving, meer dan 100 ingebouwde Chinese stemmen en 5 Engelse stemmen, 14 inline paralinguïstische tags voor lachen, zuchten en ademhaling, stijlbeheersing in natuurlijke taal en uitvoer van 44,1 kHz. De talen zijn Chinees, Engels, Duits, Spaans, Frans, Koreaans en Japans, plus de Sichuanese en Kantonese dialecten.

Wat GPT-Live-1 in plaats daarvan biedt

Het model van OpenAI is een gespreksengine, geen synthesizer met een scriptinterface. Sinds 10 september 2026 op de API: het accepteert audio en tekst, geeft audio en tekst terug, luistert terwijl het spreekt en stuurt redeneringen door naar een tekstmodel wanneer een vraag dat vereist. Eén endpoint: v1/live/sessions. $0,05 per minuut, per seconde gefactureerd. Kennisafsluitdatum juli 2025, geen gedocumenteerd contextvenster en geen toegang tot de gratis tier.

Er is geen gedocumenteerde dialectondersteuning, geen stemklonen, geen facturering per karakter, en geen manier om het een script van 4.000 tekens te geven en een bestand terug te krijgen. Wat het wel heeft, is beurtwisseling die werkt — precies het onderdeel waaraan elke gecascadeerde spraakagent zes maanden sleutelt en dat op een slechte telefoonlijn nog steeds misgaat.

De taalkwestie komt eerst.

Als uw gebruikers Mandarijn, Kantonees of Sichuanese spreken, is deze vergelijking snel afgelopen. Ming-3.0-TTS is voor die talen gebouwd, publiceert woordfoutpercentages per taal en levert stemmen die native klinken, niet aangepast. De documentatie van GPT-Live-1 beschrijft dialectbehandeling helemaal niet, en de implementaties die we kunnen waarnemen — ChatGPT Voice, en nu Perplexity's voice mode — zijn in de eerste plaats Engelstalige producten.

Als je gebruikers alleen Engels spreken, blijft voor Ming alleen de licentie en de prijs als voordeel over, en wordt het volledige gesprekslaag het voordeel van GPT-Live-1. Daar ligt de echte splitsing, en die heeft niets met Elo te maken.

De enige plek waar Ming's talenbereik echt strategisch is, is een product dat meerdere markten tegelijk moet bedienen — Duits, Spaans, Koreaans en Japans in één release. Ant meldt de beste Duitse en Spaanse woordfoutpercentages in de Tiny-variant, maar merkt op dat sprekergelijkenis zwakker is in nieuwere talen en meestal buiten de top drie valt. Vertaling: brede dekking, ongelijkmatige getrouwheid, en je moet per markt proefbeluisteren in plaats van de lijst te vertrouwen.

De $0-claim, gecontroleerd

Ming is gratis in de zin dat de licentie niets kost. Het is niet gratis in de zin dat het serveren ervan niets kost, en elk artikel over "zero-cost TTS" laat die stap stilzwijgend weg.

Artificial Analysis registreert helemaal geen prijs voor Ming-3.0-TTS — het veld staat op N/A, omdat er geen gehoste commerciële API van inclusionAI is om een prijs voor te bepalen. Uw kosten zijn GPU-tijd, en de eerlijke formule is: (GPU-uurtarief ÷ per uur gesynthetiseerde tekens) × 1.000.000. Vul de tweede term zelf in. Niemand publiceert een doorvoercijfer voor de 0.5B, dus elk bedrag per miljoen dat u online leest — inclusief het break-evenpunt van $6.58 dat in vergelijkingen de ronde doet — rust op een aanname over snelheid die de auteurs van het model niet hebben gepubliceerd.

Wat kan worden gezegd zonder cijfers te verzinnen: bij een huurprijs van $2 per GPU-uur moet je ongeveer een half miljoen tekens per uur synthetiseren om onder $4 per miljoen te blijven — een tempo dat vereist dat het model meerdere keren sneller dan realtime draait, wat een 0,5B-model aannemelijk kan en een 7,9B MoE aannemelijk niet. Meet het voordat je er een businesscase op bouwt.

Vergeleken met GPT-Live-1 is de rekensom eenvoudiger, juist omdat de meter lineair is: een uur conversatie kost $3,00, waarbij backend-reasoning apart wordt gefactureerd. Geen benuttingsrisico, geen GPU om te babysitten en geen aanname die je in een budgetvergadering moet verdedigen.

Waarom rapporteren beide 93,2%?

Een curiositeit die iedereen die datasheets vergelijkt voor een raadsel zal stellen: Ming-3.0-TTS meldt 93,2% uitspraakrobuustheid op de meting van Artificial Analysis en claimt daarmee de eerste plaats overall. Fish Audio's Drama 3 meldt dezelfde 93,2% en claimt ook de eerste plaats. Twee labs, twee architecturen, één identiek cijfer tot op een decimaal.

Zie dat als bewijs van een plafond, niet als een beslissende factor. De resterende fractie concentreert zich in de gevallen waarop elk TTS-model stukloopt: alfanumerieke strings, ongebruikelijke eigennamen, getallen die in context worden gelezen, en homografen. Welk model voor jou wint, hangt af van of je inhoud onderdeelnummers of poëzie bevat, en alleen je eigen evaluatieset kan dat beantwoorden.

Op de planken, met de bijbehorende voorbehouden.

Op de Provider Voice Arena, vastgelegd op 29 oktober 2026, staat Ming-3.0-TTS op 1187 Elo, derde onder open-weights-inzendingen achter Drama 3 met 1240 en Breeze TTS 2 met 1228, en volgens de ranglijst die Ants eigen repository vermeldt, staat het derde onder open-weights op dit board. Op het Controlled Voice-board, waar elk model dezelfde acht stemmen cloneert, claimt Ants eigen repository de eerste plaats onder open-weights met 1069 Elo en de dertiende plaats in totaal.

GPT-Live-1 komt niet voor op die leaderboards, omdat het in hun definitie geen tekst-naar-spraakmodel is. De scores staan elders: 83,2 op de Speech-to-Speech Index, tweede van 21, en 1037–1041 op de Speech Agent Arena, met een taaksucces tussen 87,4% en 90,9%. Verschillende instrumenten, verschillende schalen; niet van elkaar aftrekken.

Waar elk van hen verliest

Ming verliest het op conversatie, punt. Het kan niet horen, niet onderbreken, niet beslissen om te stoppen met praten. Elke implementatie waarbij een mens aan de andere kant van de lijn nodig is, valt buiten de scope, hoe goed de stem ook is.

Ming verliest ook op operationele eenvoud voor kleine teams. Een GPU is iets dat om 3 uur 's nachts uitvalt, stuurprogramma's nodig heeft die bij elkaar passen en stilletjes achteruitgaat wanneer een andere tenant de kaart deelt. De MIT-licentie omvat geen oproepbare engineer.

GPT-Live-1 verliest op kostenstructuur bij tekstintensief werk en op controle over de merkstem. Vaste modelstemmen betekenen dat je de stem van een oprichter of een gelicentieerd personage niet kunt inzetten. En de teller per minuut bestraft precies de werklast waarvoor TTS het best geschikt is: lange, gescripte, repetitieve output waarbij niets hoeft te luisteren.

De routeringshoek die daadwerkelijk van toepassing is

Geen van beide staat op OrcaRouter, en het loont om er ronduit over te zijn: Ming-3.0-TTS is zelfgehoste open weights zonder een gehost endpoint om te routeren, en GPT-Live-1 biedt één sessie-endpoint dat wij niet aanbieden. Wat we wel routeren, is het redeneermodel achter een spraakagent die Chinees spreekt — Qwen3.8 Max, GLM-5.3, Kimi K3 en Gemini-modellen zitten achter één sleutel met automatische failover, tegen de lijstprijzen van de provider die met 0% opslag worden doorgegeven.

Voor een tweetalige implementatie is dat belangrijker dan het klinkt. De keuze voor TTS wordt meestal eenmalig gemaakt, op basis van taaldekking; het redeneermodel erachter wordt vervangen wanneer prijzen verschuiven en nieuwe checkpoints voor de Chinese taal beschikbaar komen. Dat onderdeel routeerbaar houden is de goedkoopste vorm van toekomstbestendigheid in de stack.

Op welke bouwen we voort?

Bouw verder op Ming-3.0-TTS als het product Chinees spreekt of meerdere Aziatische en Europese markten bedient, als je een GPU in eigen beheer hebt en als de output gescript is en niet conversationeel. De MIT-licentie is een echt strategisch bezit: ze kan niet worden ingetrokken, in prijs worden aangepast of via rate limits worden beperkt, en de 0.5B-variant maakt de drempel om het uit te proberen ongeveer één middag werk.

Bouw op GPT-Live-1 als het product een gesprek in het Engels is en de kwaliteitslat "voelt het als een persoon aan de telefoon" is. Je betaalt voor altijd $0,05 per minuut en je bezit niets, en je krijgt de ene capaciteit die het open-weights-veld op dit kwaliteitsniveau nog niet heeft geleverd: een model dat luistert terwijl het spreekt.

Bouw op geen van beide louter omdat een leaderboard dat zegt. Ming's 1187 en Live's 83.2 zijn twee verschillende instrumenten, gericht op twee verschillende taken, en de enige vergelijking die contact met een echte deployment overleeft, is degene die je op je eigen audio uitvoert.