Ming-3.0-tts-tiny vs Qwen-Audio-3.0-TTS: de een heeft een tariefkaart, de ander een repository

De vergelijking die iedereen wil, is twee scores naast elkaar, en die kan vandaag niet eerlijk worden gemaakt. Ming-3.0-tts-tiny is een spraakcheckpoint van 7,9 miljard parameters met mixture-of-experts van inclusionAI van Ant Group, uitgebracht als gewichten onder MIT zonder gehost endpoint en zonder onafhankelijke evaluatie. Qwen-Audio-3.0-TTS is een gehost synthese-endpoint op A​libaba Cloud Model Studio, gelanceerd op 20 juli 2026, verkocht in een Flash-tier en een Plus-tier, zonder ergens gewichten en zonder gepubliceerde foutpercentagetabel. De ene kant heeft een leaderboardpositie en een prijs. De andere heeft een downloadbare pipeline en een benchmarksuite van een leverancier. Het nuttige werk hier is niet een winnaar kiezen uit die twee artefacten; het is uitzoeken welke cijfers naast elkaar mogen worden gelegd, en welke niet. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding haar eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering heeft.

De data doen ertoe, want geen van beide producten verscheen zoals een lanceringsbericht zou suggereren. De Hugging Face-repository van Ming-3.0-tts-tiny is aangemaakt op 22 september 2026 en het checkpoint zelf werd geüpload op 24 september. Drieënhalf week lang was het een map met gewichten zonder enige manier om ze te draaien: de inferentiecode, de one-clickvoorbeelden en het taakcookbook belandden pas op 19 oktober om 08:58 UTC op GitHub, in negen commits verspreid over één middag. Ant heeft het niet aangekondigd; er is geen blogpost, geen modelcardvideo en geen technisch rapport. Qwen-Audio-3.0-TTS daarentegen had een echte lancering en staat nog steeds op A​libaba's tarievenkaart — en de tier die voor kwaliteit telt, Plus, staat nog steeds bovenaan A​libaba's synthese-ladder, zelfs nadat de 3.1-generatie in september arriveerde.

De rij in het klassement is het verkeerde checkpoint, en de repository vermeldt dat niet.

Begin hier, want dit is de fout die de eerste golf vergelijkingsposts zal maken. Artificial Analysis beheert twee spraakboards, en beide bevatten een model met de naam Ming-3.0-tts. Op 19 oktober staat het op 1.188 Elo op het Provider Voice-board en op 1.069 op het Controlled Voice-board.

Die vermelding is het 0.5B-model, niet deze. Ming-3.0-tts-tiny heeft helemaal geen arena-rij — niet gerangschikt, niet ongerangschikt, geen preview-vermelding. De GitHub README reproduceert de cijfers 1.188 en 1.069 in de resultatensectie zonder te onderscheiden welk checkpoint ze heeft geproduceerd, en dat is precies hoe een getal twee reposts later het verkeerde label krijgt.

Dus wanneer je "Ming-3.0-tts 1.188 vs Qwen-Audio-3.0-TTS-Plus 1.266" ziet, wordt eigenlijk het dense model van Ant met een half miljard parameters vergeleken met de grootste gehoste tier van Alibaba, terwijl het model uit de titel van dit artikel ontbreekt op de ranglijst. De kloof van 78 punten is reëel voor de 0,5B. Over de kleine MoE zegt het niets, in geen van beide richtingen. Het kleine model zou beter kunnen zijn; niemand heeft het aan een voorkeurspanel voorgelegd.

Afwezigheid is geen lage score. Het is een model zonder score, en dat onderscheid is precies de reden dat deze sectie bestaat.

Wat elke kant eigenlijk is

Haal de marketing weg en de twee objecten verschillen eerder in soort dan in kwaliteit.

• Vorm — Ming-3.0-tts-tiny is een checkpoint dat je downloadt: ongeveer 18 GB, 8,980,964,372 parameters in BF16 plus 40,096 in F32, met daarin de Ling V3-backbone, een diffusion-transformer-head, een audiotokenizer, een CAM++-sprekerencoder en de teksttokenizer. Qwen-Audio-3.0-TTS is een HTTP-endpoint dat audio retourneert; er is niets te downloaden en geen licentie om te controleren.

• Parameters — 7,9B totaal met ongeveer 1,3B actief per token, een sparse mixture of experts, tegenover een gehost model waarvoor A​ibaba geen parameteraantal publiceert.

• Licentie — MIT op zowel de gewichten als de code, met een gebruiksnotitie die vraagt om mensen niet zonder toestemming na te bootsen en synthetische audio te labelen. Aan de gehoste kant: commerciële API-voorwaarden.

• Talen — Chinees, Engels, Duits, Spaans, Frans, Koreaans en Japans, plus Sichuan-Chinees en Kantonees wanneer er een referentieclip in een dialect wordt gegeven. Qwen-Audio-3.0-TTS vermeldt 16 talen en 20 Chinese dialectregio's.

• Bedieningsoppervlak — zero-shot klonen, stemontwerp op basis van een beschrijving, vrije stijlinstructies, 14 inline paralinguïstische tags, expliciete emotie, instellingen voor snelheid, toonhoogte en volume, en een podcasttaak met meerdere sprekers. Qwen-Audio-3.0-TTS biedt klonen plus ongeveer 86 inline voordrachtstags en sturing via instructies.

• Prijs — geen vermeld tarief aan de kant van Ming-3.0-tts-tiny; je betaalt voor GPU-tijd. Qwen-Audio-3.0-TTS-Plus kost ¥1,4 per 10.000 tekens op de prijslijst van A​libaba voor Beijing, wat Artificial Analysis normaliseert naar $19,31 per miljoen tekens.

• Onafhankelijke score — geen voor Ming-3.0-tts-tiny. 1.266 Elo op Provider Voice en 1.126 op Controlled Voice voor Qwen-Audio-3.0-TTS-Plus, beide met betrouwbaarheidsintervallen die de 1.188 en 1.069 van de Ming-3.0-tts-rij niet raken.

Twee soorten bewijs die zich niet in elkaar laten omzetten

De arena meet voorkeur. De tabellen van Ant meten fout en gelijkenis. Geen van beide gaat in het andere over, en de verleiding om een Elo-verschil als kwaliteitsvermenigvuldiger te behandelen, moet worden weerstaan.

Wat Qwen-Audio-3.0-TTS je geeft, is het relatieve oordeel van een menigte over de stemmen die het zelf voortbrengt, met steekproefaantallen en intervallen erachter. Wat Ant je geeft, is de meting door een laboratorium van zijn eigen model tegen een vaste testset, waarbij de harness, de referentieclips en de scoringscode allemaal zijn gekozen door hetzelfde team dat het model heeft gebouwd. Beide zijn legitiem. Geen van beide vervangt de ander, en slechts één ervan bestaat voor het model in de titel van dit artikel.

De suite van Ant is breed, en het is de moeite waard om te weten wat erin zit voordat je hem afwijst. Op de Chinese Seed-TTS-set scoort het kleine model 0,820% woordsfout bij 0,781 sprekersimilariteit — het beste similariteitscijfer in alle gepubliceerde tabellen van Ant, inclusief de 0,758 van zijn eigen 0,5B-broertje. Engels haalt 1,666% bij 0,728. Duits komt op 0,325% tekenfout en Spaans op 0,971%, beide als eerste in Ants vergelijking van acht systemen. Japans is 3,427%, Frans 3,470%. Op NVBench' paralinguïstische test met één gebeurtenis staat het bovenaan in alle zes categorieën, met 17,23 PCER in het Chinees en 32,95 in het Engels. De dialectsuites komen op 86,09% nauwkeurigheid op WSC-Eval-TTS easy en 92,90 op WSYue base, de emotieset op 74,00% gemiddeld op CV3, en stemontwerp op 75,37% op InstructTTSEval-ZH. Het is allemaal Ants eigen testharnas, uitgevoerd door Ant, gerapporteerd door Ant en door niemand gereproduceerd.

De eerlijke samenvatting is dat {{1}}Qwen-Audio-3.0-TTS{{/1}} door vreemden is beoordeeld en {{2}}Ant{{/2}} door zijn auteur. Dat is geen kritiek op een van beide; het is een uitspraak over wat de twee cijfers zijn.

De enige head-to-head die Ant wél publiceert, en die is tegen zichzelf.

Te midden van die suite is er een resultaat dat zich gedraagt als een echte vergelijking, omdat de concurrent Ant's eigen 0,5B-model is en het verschil groot genoeg is om een andere harness te overleven.

Op Koreaans noteert Ming-3.0-tts-tiny een karakterfoutpercentage van 6,000%. De 0.5B noteert 1,728%. Hetzelfde team, dezelfde testset, dezelfde rapportagedag — een factor van ongeveer drie en een half, in de richting die niemand van het grotere model had verwacht. De modelkaart verklaart het niet, en de sectie met beperkingen noemt Koreaans onder de bekende zwakke punten zonder een mechanisme te bieden.

Er is een structurele verklaring beschikbaar, en die moet als hypothese worden aangeduid, niet als bevinding: sparse modellen sturen elk token door een subset van experts, dus een taal die binnen het mengsel minder trainingssignaal heeft gekregen, kan sneller verslechteren dan in een dense model van vergelijkbare totale omvang. Dat is aannemelijk. Het is niet gemeten. Wat verdedigbaar is, is de operationele conclusie, die beperkter is: als Koreaans in je product voorkomt, is deze checkpoint niet de juiste keuze totdat iemand hem op echte Koreaanse tekst laat draaien en het resultaat publiceert.

Qwen-Audio-3.0-TTS omvat Koreaans binnen zijn 16 talen, en Alibaba publiceert geen foutenpercentage per taal om tegenover Ants 6.000% te stellen. Dus zelfs het zwakke punt kan niet in een vergelijking worden omgezet. Het kan alleen als waarschuwing worden gelezen.

Een miljoen tekens, dubbel geprijsd

Dit is het punt waarop de twee producten ophouden abstracties te zijn.

Qwen-Audio-3.0-TTS factureert per teken. Bij het genormaliseerde tarief van de arena van $19,31 per miljoen tekens kost een miljoen tekens voltooide narratie $19,31, en honderd miljoen kost $1.931. Het aantal is lineair, voorspelbaar en beschikbaar voordat je code schrijft. De doorvoer op dezelfde onafhankelijke harness is 25,61 tekens per seconde generatietijd, wat bij de schaal van de API eerder een kwestie van gelijktijdigheid dan van facturering is.

Ming-3.0-tts-tiny rekent af in GPU-uren, en er zit een gat in het midden van de berekening. Het 0.5B-zusje werd gemeten op 42.1 tekens per seconde; het tiny-model werd helemaal niet gemeten. Je kunt de doorvoer van zijn zusje niet overnemen, omdat het tiny-model per token ongeveer tweeënhalf keer zoveel parameters activeert en ongeveer 18 GB in beslag neemt in plaats van 2.96 GB. De aanbevolen kaart van Ant is een H800, en de vastgepinde omgeving — Python 3.10.15, torch en torchaudio 2.7.1 met CUDA 11.8, transformers 4.46.3 — is de enige prestatieclaim in de release.

Doe de berekening dus openlijk in plaats van te doen alsof de zaak al beslecht is. Bij 20 tekens per seconde kost het genereren van een miljoen tekens ongeveer 14 uur; bij 10 tekens per seconde ongeveer 28 uur. Vermenigvuldig die uren met je eigen GPU-uurkosten, tel daar de laadtijd van het model, wachtrijvorming en herhalingen bij op, en vergelijk dat met $19.31. Onder een paar miljoen tekens per maand wint het hosted tarief meestal op totale kosten zodra iemands tijd in de berekening zit. Daarboven zijn op hardware die je al bezit en continu bezig houdt, de marginale kosten per uur van het checkpoint gelijk aan die van het eerste uur — het structurele voordeel dat geen enkele tariefkaart kan evenaren.

Eén ding dat de prijsvergelijking niet mag verbergen: de twee modellen zijn tegen geen enkele prijs hetzelfde product. De Plus-laag van Qwen-Audio-3.0-TTS is een kant-en-klare stemcatalogus met 16 talen; Ming-3.0-tts-tiny is een pipeline die je zelf beheert, waarvan je de outputkwaliteit zelf meet.

De tier-vraag die Alibaba niet heeft opgelost

Wie vandaag voor Qwen-Audio-3.0-TTS kiest, kiest binnen een familie die onder die keuze is doorgeschoven. De Qwen-Audio-3.1-lijn werd aangekondigd op 23 september 2026, en Artificial Analysis vermeldt een Qwen-Audio-3.1-TTS-Plus met 1.300 Elo op Provider Voice en 1.186 op Controlled — boven de 3.0 Plus op beide ranglijsten, gedateerd op 24 september, tegen dezelfde $19,31 per miljoen tekens.

Maar de openbare tarievenkaart van Alibaba vermeldt alleen een Flash-SKU voor 3.1 TTS, dus of de 3.1 Plus-tier vandaag aanroepbaar is, is een vraag voor de console van de leverancier zelf en niet iets om af te leiden uit een leaderboard. Hoe dan ook is de praktische interpretatie dezelfde: de 3.0 Plus-tier is niet verouderd, maar het is niet langer het nieuwste dat Alibaba heeft gescoord, en een koper moet bevestigen welke SKU hij daadwerkelijk afneemt voordat hij de prijs ervan met iets vergelijkt.

Voor Ming-3.0-tts-tiny is er helemaal geen sprake van een tier-vraag — er is één checkpoint, geen roadmap met data, en een vLLM-Omni-ondersteuningsnotitie die op dezelfde dag in de documentatie verscheen als de code.

Wat de repositories niet vaststellen

Vier hiaten zijn het benoemen waard voordat iemand plannen rond dit model maakt.

• Geen onafhankelijke score — geen arena-rij, geen woordfoutpercentage van derden, geen gemeten doorvoer. De rij die lijkt op die van Ming-3.0-tts-tiny, is van de 0.5B.

• Geen technisch rapport — de roadmap vermeldt het als niet aangevinkt, en de modelkaart is op 16 oktober bewerkt om een verwijzing daarnaar te verwijderen.

• Geen gehoste endpoint — er is geen first-party-API en geen prijs, dus de enige weg naar productie is je eigen infrastructuur.

• Geen fine-tuningrecept — de repository documenteert inferentietaken, niet training. LoRA of volledige fine-tuning op dit checkpoint is niet gedocumenteerd, wat een andere situatie is dan bij een model dat trainingsscripts meelevert.

Op het moment van de vastlegging toonde de Hugging Face-repository 20 downloads en 3 likes, en de GitHub-repository een handvol sterren en geen releases. Dat is nergens bewijs voor, behalve dat de release stil was, en dat is de enige bewering waar dit stuk zeker van is.

Wat deze vergelijking in de praktijk waard is

Als je deze maand een stem in productie nodig hebt, in meer dan een paar talen, en iemand anders de uptime voor zijn rekening laat nemen, is Qwen-Audio-3.0-TTS-Plus de verdedigbare keuze: het is beoordeeld, geprijsd, gedocumenteerd en ondersteund, en de 1.266 Elo is gemeten in plaats van beweerd.

Als u eigenaar van het model moet zijn — stemmen klonen die u niet naar een derde partij kunt sturen, genereren op een volume waarbij facturering per teken domineert, leveren onder een licentie die herdistributie toestaat — is Ming-3.0-tts-tiny de enige van de twee die van u kan zijn. Aanvaard als tegenprestatie dat u de eerste partij zult zijn die het benchmarkt, dat Koreaans een bekende zwakte is die de leverancier zelf publiceert, en dat de pipeline een week oud is.

OrcaRouter routeert geen van beide modellen, en niets hier mag worden opgevat als een bewering van het tegendeel; spraak wordt bereikt via het eigen kanaal van elke leverancier, en de Ming-3.0-tts-tiny checkpoint via je eigen hardware. Wat we wél routeren is het tekstgedeelte van dezelfde pipeline — meer dan 200 modellen achter één sleutel, tegen de lijstprijs van de provider, zonder toeslag, dus een prijswijziging van een tekstprovider is dezelfde dag jouw prijs. Voor een spraakproduct zijn het script, de SSML-achtige regie en de agent die beslist wat er wordt gezegd allemaal tekst, en dat is het deel waar een tweede leverancierscontract je niets oplevert.

Het getal dat dit zou beslechten bestaat nog niet. Het is geen Elo-score; het is één middag op een H800 waarop de kleine checkpoint wordt gedraaid tegen dezelfde referentieclips die Ant gebruikte, met de resultaten gepubliceerd naast de harness. Tot iemand dat doet, is de eerlijke positie de positie die dit stuk heeft ingenomen: twee geloofwaardige artefacten, één gescoord en één niet, en een vergelijking die moet worden gemaakt op basis van eigendom, prijsvorm en taalrisico in plaats van kwaliteit.