Ming-3.0-tts-0.5B is twee keer uitgebracht, en Ant Group heeft geen van beide aangekondigd

Aan Ming-3.0-tts-0.5B zijn drie datums verbonden, en elk daarvan markeert een andere gebeurtenis. De Hugging Face-repository werd op 22 september 2026 aangemaakt en twee dagen later werden de weights geüpload. De GitHub-repository bestond pas vanaf 19 oktober 2026, toen de eerste commit verscheen met de titel "Initial release of Ming-3.0-tts." Artificial Analysis opende diezelfde dag een modelpagina en gaf er een score aan. Er was geen blogpost van inclusionAI, geen persbericht en geen lanceerthread die we op een van beide data konden vinden. Op het moment dat dit werd geschreven, had de checkpoint zes downloads en nul likes; de GitHub-repository had twee sterren. De gedocumenteerde AI-storingen en agent-incidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive, waarbij elke vermelding eigen bronnen, ernst, betrouwbaarheidsgraad en betwistvlag heeft.

Dat is van belang voor hoe de rest van dit stuk moet worden gelezen. De open-weights-tak van Ant Group heeft een compleet spraakmodel onder MIT-licentie gepubliceerd, met een paralinguïstisch systeem met 14 tags, tekst-naar-stemontwerp, twee Chinese dialecten en een volledige tabel met benchmarkresultaten. Tot dusver heeft het echter nagelaten er iemand over te informeren. Wat volgt scheidt wat de repository bewijst van wat alleen Ant Group kan bevestigen.

De drie datums, en wat elke datum daadwerkelijk omvat

De verwarring is niet verzonnen. Ants eigen twee repositories spreken elkaar publiekelijk tegen, en geen van beide heeft ongelijk.

• 22 september 2026, 12:46 UTC — de Hugging Face-repository wordt aangemaakt met een eerste commit die bestaat uit een placeholder-README. Nog geen gewichten.

• 24 september 2026, 04:21 UTC — de checkpoint komt binnen via een upload-large-folder-commit, twintig minuten later gevolgd door een modelspecifieke README. Vanaf dit punt is het model downloadbaar, en bijna niemand downloadt het.

• 19 oktober 2026, 07:03 UTC — de GitHub-repository wordt aangemaakt. Om 08:58 UTC brengt de eerste commit, "Initial release of Ming-3.0-tts", inferencecode, een Dockerfile, voorbeeldscripts met één klik en een taakcookbook. Documentatiecommits gaan de hele middag door.

De News-sectie van de GitHub README zegt dat de 0.5b- en tiny-modellen zijn uitgebracht in "2026.10". De Hugging Face-kaart zegt helemaal niets over een datum. Beide beschrijven hetzelfde artefact: het checkpoint bestond in september, de bruikbare release — code, environment-pins, voorbeelden — kwam in oktober. Als je het model dateert voor een inkoopdocument, is 22 september het moment waarop het openbaar werd; als je het dateert als iets dat je kunt draaien, is 19 oktober het eerlijke antwoord.

Wat we je niet kunnen vertellen, is waarom. Een stille release is normaal voor een onderzoeksorganisatie die verwacht dat de modelkaart het verhaal vertelt. Het is ook hoe een gefaseerde release eruitziet wanneer een grotere aankondiging gepland is. Niets in een van beide repositories zegt welke van de twee, en we gaan niet gokken.

Wat zit er in het 0.5B-checkpoint?

Het model is een dichte spraakgenerator gebouwd op een Qwen2.5-0.5B-backbone, met een diffusie-transformer-patchhead en een afzonderlijke audiotokenizer. Het releasepakket is meer dan een taalmodel: de repository levert de backbone, de DiT-head, de audio-VAE, een CAM++-sprekerencoder in ONNX-vorm en de teksttokenizer, allemaal in één map. Die verpakkingskeuze verklaart een discrepantie die je meteen zult tegenkomen.

• Parameters — de kaart en de modelnaam vermelden 0,5B; de eigen metadata van Hugging Face zet de repository op 1B, en het enkele model.safetensors-bestand is 2,96 GB. Het getal 0,5B is de taalbackbone. De bundel die je daadwerkelijk downloadt, is in bf16 ongeveer drie keer zo groot.

• Uitvoer — audio van 44,1 kHz, wat hoger is dan bij de meeste open TTS-releases en een van de weinige beweringen hier die je binnen tien seconden kunt controleren met een bestandsinspector.

• Talen — Chinees, Engels, Duits, Spaans, Frans, Koreaans en Japans, plus Sichuanees en Kantonees wanneer er een referentieclip in dat dialect wordt gegeven.

• Stemmen — zero-shot klonen op basis van een korte referentieclip, stemontwerp op basis van een beschrijving in natuurlijke taal, en een ingebouwde cast van meer dan honderd Chinese stemmen en vijf Engelse.

• Control — 14 inline-tags voor lachen, zuchten, hoesten, ademhaling en aarzeling, plus expliciete instellingen voor emotie, snelheid, toonhoogte en volume. De kaart geeft eerlijk toe dat toonhoogte de minst nauwkeurige van de vier is.

• Taken — TTS, instructie in vrije vorm, stemontwerp, meertalig, basisattributen, emotie, dialect en een modus met ingebouwde stem. De bedieningselementen sluiten elkaar bewust uit: vrije vorm kan niet worden gecombineerd met stemontwerp of een ingebouwde stem.

• Licentie — MIT, voor zowel gewichten als code. De gebruiksdisclaimer van Ant vraagt je om mensen niet zonder toestemming na te bootsen en synthetische spraak te labelen; dat is een verzoek, geen licentievoorwaarde.

Er is een tweede model in dezelfde release. Ming-3.0-tts-tiny is een mixture-of-experts-ontwerp op een Ling V3-backbone, 7,9B totaal met 1,3B actief, en het voegt podcastgeneratie met meerdere sprekers toe die het 0,5B-model niet heeft. Als je specifiek in het kleine model geïnteresseerd bent, is de nuttige insteek dat 0,5B de lichtgewicht implementatie is en tiny het plafond qua capaciteiten — niet dat het ene het andere vervangt.

De benchmarktabellen, en wie deze heeft opgesteld

Elk getal in de modelkaart komt uit Ants eigen evaluatieharnas. Dat is geen kritiek — dat is wat een releasetabel is — maar de tabellen worden elders geciteerd zonder dat label, dus hier is het.

• Zero-shot Seed-TTS, Chinees — 0,800% woordfoutpercentage, 0,758 sprekerovereenkomst.

• Zero-shot Seed-TTS, Engels — 1,584% woordfoutpercentage, 0,691 sprekerovereenkomst.

• NVBench paralinguïstisch, één gebeurtenis — foutpercentage voor Chinese tekens 2,70, Engels 7,60.

• Dialect, WSC-Eval-TTS-easy — 2,27% tekenfoutpercentage, 80,68% nauwkeurigheid.

• Spraakontwerp, InstructTTSEval-ZH — gemiddeld 72,29%.

• Basisattribuutcontrole — gemiddeld 93,30%, met een woordfoutpercentage van 0,317%.

Het interessante is wat dezelfde tabellen laten zien in vergelijking met de concurrenten die het model zelf heeft gekozen. Op het Chinese zero-shot-foutpercentage scoort CosyVoice3-1.5B 0.710% en Qwen3-TTS-12Hz-1.7B-Base 0.770%, beide beter dan de 0.800% van Ming. Op sprekerovereenkomst verslaat de 0.780 van CosyVoice3-0.5B de 0.758 van Ming. Op het Engelse foutpercentage bereikt Qwen3-TTS-12Hz-1.7B-Base 1.240% tegenover de 1.584% van Ming.

Dus Ming-3.0-tts-0.5B claimt de kroon op het gebied van nauwkeurigheid niet, zelfs niet binnen zijn eigen vergelijkingsset, en dat is ook niet nodig. De sterke punten zijn de kolommen die de andere niet invullen: dialectbeheersing, stemontwerp en een paralinguïstische suite waarin het in de meeste single-event-categorieën vooroploopt. Lees de kaart als "brede beheersing bij een half miljard backbone-parameters", niet als "beste foutpercentage", en dan houdt het stand.

De kaart is ook ongewoon bereid om zijn eigen zwakke punten te benoemen, wat het herhalen waard is omdat de meeste dat niet doen: sprekerovereenkomst blijft achter bij inhoudsnauwkeurigheid, Franse overeenkomst is de duidelijkste meertalige kloof, paralinguïstische zinnen met meerdere gebeurtenissen zijn nog steeds instabiel, emotiecontrole verslechtert wanneer de woorden zelf geen emotioneel signaal dragen, en open-eindig stemontwerp evenaart nog niet het sterkste systeem waarmee het is gemeten.

Het eerste onafhankelijke nummer arriveerde voordat de aankondiging dat deed.

Artificial Analysis heeft Ming-3.0-tts op 19 oktober toegevoegd aan zijn speech arena en de vermelding gekoppeld aan precies deze 0.5B-checkpoint, wat een vraag beslecht die de modelkaart openlaat: het gescoorde model is het kleine. Twee ranglijsten, twee resultaten, en ze wijzen in verschillende richtingen.

• Provider Voice, waarbij elk model zijn eigen native stemmen gebruikt — Elo 1.188, 95%-interval 1.173 tot 1.203, 19e van de 98 modellen op de ranglijst en derde onder open-weightsmodellen, achter Fish Audio Drama 3 Preview op 1.245 en Breeze T​TS 2 op 1.220.

• Controlled Voice, waarbij elk model dezelfde acht referentiestemmen kloont — Elo 1.069, interval 1.053 tot 1.085, 14e in totaal en de eerste onder open-weightmodellen, vóór Fish Audio Drama 3 Preview op 1.059 en Breeze T​TS 2 op 1.019.

• Snelheid — een mediaan van 42,1 tekens per seconde aan generatietijd op de hardware van Artificial Analysis, met een mediane generatietijd van 2,46 seconden per verzoek. Ter vergelijking: Simba 3.2 haalt 77,8 tekens per seconde en Qwen-Audio-3.0-TTS-Plus 25,6 op dezelfde opstelling.

Die splitsing is het nuttigste dat iemand over dit model heeft gepubliceerd. De gekloonde stem is concurrerend met de beste open-weights-systemen op de ranglijst; de eigen stemmenset niet. Wat de native stemopnames van Ant ook mogen zijn, zij zijn het onderdeel dat de provider-voice-rang omlaag houdt, en dat is een oplosbaar engineeringprobleem in plaats van een architecturaal probleem.

Eén leveranciersclaim die we niet konden verifiëren: de projectpagina stelt dat Ming-3.0-tts overall op de eerste plaats staat op de metriek voor uitspraakrobuustheid van Artificial Analysis met 93,2%, en op de eerste plaats staat in twee van de bijbehorende subcategorieën. De metriek bestaat en Artificial Analysis publiceert die, maar de waarde per model wordt niet weergegeven in de paginagegevens die we konden lezen, dus beschouw 93,2% als een door de leverancier opgegeven cijfer totdat je zelf het staafdiagram ziet.

Het uitvoeren ervan duurt ongeveer twintig minuten en drie fixes.

De Hugging Face-repository is alleen een checkpoint-release. Dat staat in een melding bovenaan: voor inferentie is het GitHub-project nodig, en de Python-API en CLI waarnaar in de modelkaart wordt verwezen, komen daarvandaan. Dat is de eerste drempel, en het is de reden dat de repository van oktober belangrijker is dan de upload van september.

Het tweede is tekstnormalisatie. Getallen, datums, eenheden en symbolen worden afgehandeld door FST-grammatica's die pynini nodig hebben, waarvoor geen universele wheel bestaat; Ants eigen instructies verwijzen je voor versie 2.1.6 naar conda-forge. Als je dat liever niet doet, slaat --no_text_normalization het over en krijg je wat je tekst al is. Voor een productie-narratiepijplijn is dat een echte beslissing, geen voetnoot.

Het derde is hardware. De omgeving is vastgepind op PyTorch 2.6, CUDA 12.4 en transformers 4.46.3, met een meegeleverde Dockerfile, en is getest op een H800-80GB en een H20-96G. flash-attn is optioneel en inference valt terug op PyTorch SDPA. Niets in de release suggereert dat dit comfortabel op een consumentenkaart draait, en niemand buiten Ant heeft tot nu toe een doorvoercijfer op kleinere hardware gepubliceerd.

De minimale werkende aanroep is, zodra de omgeving draait, één CLI-aanroep met een referentieclip en de bijbehorende transcriptie — de clone wordt op beide geconditioneerd, waarbij --use_spk_emb conditionering op spreker-embedding inschakelt. Er is ook een preflightscript dat de checkpoint en tokenizer controleert zonder gewichten te laden; dat is de moeite waard om te draaien voordat je een GPU-toewijzing aan een slechte download besteedt.

Wat is nog steeds niet kenbaar?

Vier dingen zouden de manier veranderen waarop dit model beoordeeld zou moeten worden, en geen ervan bestaat nog.

Er is geen gehost endpoint en geen prijs. Artificial Analysis vermeldt het prijsveld als leeg omdat er niets valt te beprijzen — de enige manier om dit aan te roepen is het uit te voeren. Dat is prima voor een team met GPU's en een probleem voor alle anderen, en het is het grootste praktische verschil tussen deze release en de gehoste stemmen waarmee het vergeleken zal worden.

Er is geen technisch rapport. De GitHub-roadmap vermeldt het als een niet-aangevinkt vakje, en Ant heeft een eerdere verwijzing naar een onbevestigd rapport uit de modelkaart verwijderd. Daarmee blijft de architectuurbeschrijving op het niveau van een diagram en een alinea, wat genoeg is om het model te draaien en niet genoeg om de trainingsclaims te reproduceren.

Er is geen onafhankelijke replicatie van het foutpercentage. De cijfers van Seed-TTS en NVBench zijn van Ant, gemeten met het protocol van Ant en de door Ant aanbevolen inferentie-instellingen. De arenascore is onafhankelijk, maar meet voorkeur, niet nauwkeurigheid. Niemand buiten het lab heeft een woordfoutpercentage voor dit checkpoint gepubliceerd.

En er is geen intentieverklaring. Geen aankondiging betekent geen supportverplichting, geen deprecatiebeleid en geen indicatie of er een gehoste dienst aankomt. Voor een onderzoeksrelease onder MIT kan dat volledig opzettelijk zijn. Voor iedereen die het in een product wil inzetten, is het een risico dat je moet incalculeren.

OrcaRouter routeert Ming-3.0-tts-0.5B niet, en dit stuk moet niet worden gelezen als een suggestie van het tegendeel — de catalogus bevat geen Ming-spraakmodel. Wat de catalogus wél bevat, is de rest van een spraakpijplijn: openai/tts-1 en tts-1-hd, gpt-4o-mini-tts en de Gemini TTS-previews, allemaal tegen de lijstprijs van de provider zonder extra marge, en meer dan 200 tekstmodellen achter dezelfde sleutel voor de helft van het systeem dat het script schrijft of de agent aanstuurt. Als je een onbewezen open-weights-stem evalueert, is de verstandige aanpak om deze buiten het kritieke pad te houden totdat deze zijn plek heeft verdiend; automatische failover tussen providers is hoe het tekstdeel van die pijplijn overeind blijft terwijl je beslist.

Het volgende echte signaal zal niet nog een benchmarktabel zijn. Het zal de eerste persoon buiten Ant zijn die het 0.5B-checkpoint op hun eigen audio draait en publiceert wat er misging. Totdat dat bestaat, is de verdedigbare samenvatting beperkt: een echt capabele, MIT-gelicentieerde meertalige stem op 44.1 kHz met de beste open-weights-score voor gekloonde stemmen op het onafhankelijke board, een zwakkere native stemcast, een onaangekondigde release en geen gehoste thuisbasis. Dat is een veelbelovend onderzoeksartefact, nog geen productbeslissing.