Ming-3.0-tts-0.5B vs Qwen-Audio-3.0-TTS: gratis gewichten tegen 78 Elo-punten

Zet Ming-3.0-tts-0.5B naast Qwen-Audio-3.0-TTS en het eerste dat je opvalt, is dat het niet hetzelfde soort object is. Ming is een checkpoint van 2,96 GB dat je downloadt, onder MIT-licentie gebruikt en op je eigen GPU draait. Qwen-Audio-3.0-TTS, in de kwaliteitstier die A​libaba aanduidt als Qwen-Audio-3.0-TTS-Plus, is een gehost endpoint op A​libaba Cloud Model Studio, zonder dat er ergens gewichten zijn. Op de onafhankelijke Artificial Analysis-spraakarena scoort het gehoste model 1.266 Elo en het downloadbare model 1.188 — een gat van 78 punten zonder overlap tussen de twee betrouwbaarheidsintervallen. Dat gat is reëel. Wat het waard is, hangt ervan af of je een stem koopt of een asset. De gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding eigen bronnen, ernstgraad, betrouwbaarheidsgraad en een betwistingsmarkering bevat.

Het korte antwoord, vóór het bewijs

Als de stem dit kwartaal in een product wordt uitgebracht en iemand anders paraat moet staan wanneer er iets misgaat, is Qwen-Audio-3.0-TTS-Plus de betere keuze, en niet zo'n beetje ook. Als je Chinese-first content bouwt, stemontwerp of dialectcontrole nodig hebt, of een tarief per teken niet kunt accepteren, is Ming-3.0-tts-0.5B de enige van de twee die van jou kan zijn. Geen van beide antwoorden overleeft ongeschonden de confrontatie met een budgetspreadsheet, en daar gaat de rest van dit stuk over.

Wat elk model daadwerkelijk is

Ming-3.0-tts-0.5B is de release met open gewichten van Ant Group via inclusionAI, gebouwd op een Qwen2.5-0.5B-backbone met een diffusie-transformer-kop en een afzonderlijke audiotokenizer. De release verscheen geruisloos in twee fasen — gewichten op Hugging Face in september 2026, inferentiecode op GitHub op 19 oktober — en Ant heeft het niet aangekondigd. Het pakket bevat een sprekerencoder en een teksttokenizer, levert audio van 44,1 kHz en ondersteunt klonen, stemontwerp op basis van een tekstbeschrijving, 14 inline paralinguïstische tags, emotie- en attribuutbeheersing, zeven talen en twee Chinese dialecten.

Qwen-Audio-3.0-TTS is A​libaba's gehoste syntheselijn, gelanceerd op 20 juli 2026, in twee niveaus: Flash voor realtimewerk en Plus voor maximale kwaliteit. Het Plus-niveau is het niveau met een gemeten positie op de arena, en het is het niveau waar elk onderstaand cijfer naar verwijst. Het dekt 16 talen plus 20 Chinese dialectregio's, ondersteunt stemklonen en ongeveer 86 inline voordrachtslabels, en is alleen bereikbaar via A​libaba's API. Er zijn geen gewichten, geen lokale implementatie en geen licentie om te controleren.

Een datumcuriositeit die het vermelden waard is, omdat je beide datums zult tegenkomen: Alibaba lanceerde de lijn in juli, maar de arena-rij voor het Plus-model vermeldt een releasedatum van 15 september 2026. Wij lezen dat als de datum waarop de gescoorde revisie of vermelding verscheen, niet als een tweede model. Als je een releasedatum in een document citeert, is 20 juli de lancering en 15 september de administratie van de arena.

De getallen die hen scheiden

Arena Elo, Provider Voice — Ming-3.0-tts-0.5B 1.188 (interval 1.173–1.203) versus Qwen-Audio-3.0-TTS-Plus 1.266 (1.252–1.280). De intervallen overlappen elkaar niet.

Arena Elo, Gecontroleerde stem — Ming 1.069 (1.053–1.085) vs Qwen-Plus 1.126 (1.113–1.139). Nog steeds een duidelijke kloof van 57 punten, op gekloonde stemmen die bij alle modellen constant werden gehouden.

• Prijs — Ming heeft er geen; je betaalt voor rekenkracht. Qwen-Plus staat vermeld tegen $19,31 per miljoen tekens in de genormaliseerde prijskolom van de arena.

• Doorvoer — Ming 42,1 tekens per seconde generatietijd versus Qwen-Plus 25,6, gemeten op dezelfde onafhankelijke meetopstelling.

• Gewichten — MIT-gelicentieerd checkpoint versus geen.

• Talen — zeven plus Sichuanees en Kantonees versus 16 plus 20 Chinese dialectgebieden.

• Bedieningsoppervlak — vrij geformuleerde instructie, stemontwerp, 14 paralinguïstische tags, expliciete emotie/snelheid/toonhoogte/volume tegenover ongeveer 86 inline-tags en voordrachtsregeling in instructiestijl.

Het doorvoerresultaat is het resultaat dat mensen verrast. Een dense model met een half miljard parameters en een bundel van 2,96 GB overtreft A​libaba's gehoste Plus-tier met ongeveer 65% qua tekens per seconde in de onafhankelijke meting. Dat is geen kritiek op Q​wen — gehoste endpoints zijn ingericht op gelijktijdigheid, en het doorvoercijfer van de arena is één verzoek tegelijk — maar het betekent wel dat het kleine model in deze vergelijking niet het langzame model is.

Waar de 78 punten vandaan komen

Preference Elo vertelt je niet wat er mis is. Luisteren naar de twee systemen op dezelfde tekst doet dat wel, en het patroon komt overeen met wat de eigen model card van Ant toegeeft.

Ant publiceert zijn zwakke punten in ongewoon duidelijke taal: de gelijkenis van de spreker blijft achter bij de inhoudelijke nauwkeurigheid, de gelijkenis voor het Frans is de duidelijkste meertalige kloof, paralinguïstische zinnen met meerdere gebeurtenissen zijn nog steeds instabiel, en open-ended stemontwerp evenaart nog niet het sterkste geëvalueerde systeem. In de arena uit zich dat in een gekloonde stem die concurrerend is — als eerste onder open-weightmodellen op het gecontroleerde leaderboard — en een native stemmenset die dat niet is. Mings rangorde voor providerstemmen, 19e van de 98, wordt naar beneden getrokken door de ruim 100 Chinese en vijf Engelse ingebouwde stemmen in plaats van door het kloonpad.

Qwens voordeel heeft de tegenovergestelde vorm. De ingebouwde stemmen zijn het product; de Plus-tier is gebouwd om direct uit de doos af te klinken en meet ook zo in zowel de provider- als de gecontroleerde omgeving. Qwen heeft ook de taalbreedte die bij een bedrijf hoort dat een cloud draait: 16 talen en 20 Chinese dialectregio's tegenover Ming's zeven en twee.

Als het om nauwkeurigheid gaat en niet om voorkeur, is de vergelijking magerder dan de Elo-kloof doet vermoeden. Qwen-Audio-3.0-TTS heeft geen gepubliceerde woordfoutentabel van A​libaba die we tegen een gemeenschappelijke testset konden verifiëren, en de Seed-TTS-cijfers van Ming — 0,800% Chinees, 1,584% Engels — zijn van Ant zelf, gemeten op Ants testopstelling met de door Ant aanbevolen instellingen. Geen van beide kanten geeft je een een-op-een vergelijkbaar foutpercentage. Wat je hebt, is een voorkeursscore voor beide en een leverancierstabel voor één.

Twee factureringsmodellen, en de meter die niemand afdrukt

De prijsvergelijking is niet $19.31 tegenover nul. Het is een meter per teken tegen een meter per GPU-uur, en die tweede is onzichtbaar totdat je financiële team erom vraagt.

Qwen factureert per teken aan invoertekst. Bij $19,31 per miljoen tekens kost een miljoen tekens voltooide voice-over $19,31, en dat aantal schaalt lineair en voorspelbaar. Je kunt het al in een spreadsheet zetten voordat je één regel code schrijft.

Ming rekent af in GPU-tijd. De release is getest op een H800-80GB en een H20-96G, vereist PyTorch 2.6 met CUDA 12.4 en wordt geleverd met een Dockerfile, maar zonder gehost endpoint. Bij de door de arena gemeten 42,1 tekens per seconde kost een miljoen tekens ongeveer 6,6 uur genereren op dat soort hardware, nog voordat je model laden, wachten in de wachtrij of mislukte verzoeken meetelt. Of dat goedkoper is dan $19,31 hangt volledig af van wat jouw GPU-uur kost en hoe vol je die houdt — en het is de berekening die deze confrontatie voor de meeste teams beslist.

Dit is ook waar een routeringslaag zijn waarde bewijst zonder te doen alsof hij een van beide modellen host. OrcaRouter heeft Ming-3.0-tts-0.5B of Qwen-Audio-3.0-TTS niet in huis, en niets hier mag anders suggereren; beide zijn via hun eigen kanalen bereikbaar: A​libaba's Model Studio voor Q​wen en uw eigen infrastructuur voor Ming. Wat we wél leveren, is de tekstkant van dezelfde pipeline tegen de lijstprijs van de provider, met 0% opslag erbovenop — dus een prijswijziging van een tekstprovider die we routeren, geldt dezelfde dag voor u — met automatische failover tussen providers voor het model dat het script schrijft, de emotie tagt of de agent aanstuurt. Spraak is de dure, langzame helft van een spraakproduct; de helft die ervoor zit, mag niet ook de kwetsbare zijn.

Het opvolgerprobleem

Er is een derde model dat in deze beslissing thuishoort en niet in de titel staat: Qwen-Audio-3.1-TTS-Plus, uitgebracht op 24 september 2026. Het scoort 1.300 Elo in dezelfde arena — 34 punten boven de 3.0 Plus-tier — tegen dezelfde $19,31 per miljoen tekens.

Lees dat nog eens als koper. Alibaba bracht vijf weken na het model in deze vergelijking een beter model uit, tegen een ongewijzigde prijs, binnen dezelfde endpoint-familie. Wie vandaag voor Qwen-Audio-3.0-TTS kiest, kiest een model dat zijn eigen leverancier al heeft opgevolgd zonder korting. De 3.0-tier blijft vermeld en blijft goed — 1.266 Elo is zesde op een ranglijst van 98 — maar de juiste gehoste keuze binnen deze familie is nu 3.1, niet 3.0.

Ming heeft dat probleem niet, omdat het geen opvolger en geen cadans heeft. Dat is een echt voordeel voor een team dat een stabiel artefact wil en een echt risico voor een team dat over zes maanden de best beschikbare stem wil. Een niet-aangekondigde release zonder roadmap-toezegging kan beide kanten op stilvallen.

Wie moet welke kiezen

Kies Qwen-Audio-3.1-TTS-Plus — niet 3.0 — als je de hoogst gemeten kwaliteit in deze familie wilt bij een bekende prijs per teken, brede taaldekking nodig hebt, of wilt dat iemand anders de uptime beheert. Accepteer de meter en accepteer dat de volgende tier zonder waarschuwing zal komen.

Kies Ming-3.0-tts-0.5B als de stem binnen je eigen perimeter moet draaien, als je content Chinees-eerst is en Sichuanese of Kantonees nodig heeft, als je een stem wilt ontwerpen op basis van een beschrijving in plaats van er een uit een cast te kiezen, of als je volume hoog genoeg is dat een GPU die je al bezit goedkoper is dan een factuur per teken. Reken op de engineering: de omgeving is vastgezet, tekstnormalisatie vereist een FST-bibliotheek waarvoor geen universele wheel bestaat, en de enige gepubliceerde doorvoercijfers komen uit één onafhankelijke harness.

Kies voorlopig geen van beide als je een supportcontract nodig hebt. Ming heeft geen aankondiging, geen gehoste optie en geen vastgelegde supporttoezegging; Q​wen heeft alle drie, maar de 3.0-variant is niet langer degene die je moet kopen. De eerlijke samenvatting is dat dit geen eerlijke strijd is en nooit zo bedoeld was — het ene is een onderzoeksrelease met een licentie en het andere een cloudproduct met een prijslijst — en de nuttige vraag is welke van die twee jouw project echt nodig heeft.