Ming-3.0-tts-tiny vs Sesame-Preview: een checkpoint dat je kunt downloaden tegenover een stem die je niet kunt aanroepen

Zet Ming-3.0-tts-tiny en Sesame Preview in dezelfde zin en de vergelijking valt al uiteen vóór de eerste benchmark, want slechts één ervan is iets wat een ontwikkelaar kan verkrijgen. Ming-3.0-tts-tiny is de inclusionAI-checkpoint van Ant Group: in totaal 7,9 miljard parameters, ongeveer 1,3 miljard actief per token, MIT-gelicentieerde gewichten gepubliceerd op Hugging Face met inferentiecode die op 19 oktober 2026 op GitHub verscheen. Sesame Preview is een consumentenassistent — vier stemmen, een iOS- en Android-app, geen API, geen model-ID, geen gepubliceerde score voor de stem die het de moeite waard maakt om erover te schrijven. Het ene is een bestand. Het andere is een product. De interessante vraag is niet welke beter klinkt, aangezien niemand dat aan beide kanten heeft gemeten op een manier die vergelijkbaar is, maar wat elk ervan je op een dinsdagmiddag laat doen wanneer je een script en een deadline hebt. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waar elke vermelding haar eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-vlag bevat.

De datering is hier op een manier van belang die zeldzaam is. De repository van Ming-3.0-tts-tiny werd aangemaakt op 22 september 2026, de gewichten werden op 24 september geüpload, en drieënhalve week lang was de release onbruikbaar: een map met shards zonder gepubliceerde manier om ze te draaien. De inferentiecode, de voorbeelden met één klik en het takenkookboek verschenen samen op 19 oktober om 08:58 UTC. Ant heeft niets ervan aangekondigd. Sesame Preview daarentegen is sinds het voorjaar publiek beschikbaar en kreeg een echte update op 6 oktober 2026, toen de chief product officer van het bedrijf een nieuw Conversational Speech Model achter de app beschreef. Geen van beide is een lancering in de zin die een persbericht bedoelt, maar beide zijn ontwikkelingen, en slechts één ervan gaat gepaard met iets dat je kunt downloaden.

De korte versie, vóór het bewijs

Als je een product bouwt, is Sesame Preview geen kandidaat en kan dat vandaag niet worden: er is geen endpoint om aan te roepen, geen licentie om te lezen, geen prijs en geen toezegging dat de stem in de app de stem in welk model dan ook is. Als je een product bouwt en een stem nodig hebt die je zelf bezit, is Ming-3.0-tts-tiny een kandidaat — een jonge, nog niet beoordeelde, self-hosted kandidaat waardoor je je eigen evaluatie zult moeten doen.

Dat is voor de meeste teams de hele beslissing. Alles hieronder is voor de gevallen waarin dat niet zo is: de gevallen waarin men ze vergelijkt als gespreksaudio in plaats van als producten, of afweegt of Sesame's aanpak de aanpak is om te kopiëren.

Wat elk ervan je eigenlijk in handen geeft

• Wat je downloadt — Ming-3.0-tts-tiny: ongeveer 18 GB met de Ling V3-backbone, een diffusion-transformer-head, een audiotokenizer, een CAM++-sprekerencoder en een teksttokenizer. Sesame Preview: een app uit de App Store of G​oogle Play, en niets anders.

• Wat je kunt aanroepen — Ming-3.0-tts-tiny: een Python-klasse, MingTinyTTS.from_pretrained, met taaknamen voor zero-shot-cloning, meertalige synthese, paralinguïstiek, podcastdialoog, emotie, dialect, vrije stijl en stemontwerp. Sesame: een chatinterface met vier persoonlijkheden. Er is nooit een model-ID gepubliceerd voor de productiestem.

• Licentie — Ming-3.0-tts-tiny: MIT op gewichten en code, met een gebruiksnotitie met het verzoek je niet voor te doen als andere personen en synthetische audio te labelen. Sesame: de gebruiksvoorwaarden van de app, plus een open checkpoint dat hieronder wordt besproken en niet het productiemodel is.

• Taaldekking — Ming-3.0-tts-tiny: Chinees, Engels, Duits, Spaans, Frans, Koreaans en Japans, waarbij Sichuanees en Kantonees beschikbaar zijn via een dialectreferentieclip. Sesame: Engels is de enige officieel ondersteunde taal; de handleiding vermeldt dat de assistenten ook "vroeg" Frans, Italiaans, Duits, Spaans, Chinees, Japans en Koreaans aankunnen, wat eerder als een waarschuwing dan als een functielijst leest.

• Prijs — Ming-3.0-tts-tiny: geen tariefkaart; je betaalt voor een H800 en de elektriciteit. Sesame: gratis te gebruiken, geen gepubliceerd abonnementsniveau, en het bedrijf zegt dat het geen advertenties draait en geen data verkoopt.

• Onafhankelijke score — Ming-3.0-tts-tiny: geen, en zeker niet de 1.188 Elo die Artificial Analysis vermeldt voor "Ming-3.0-tts", die bij het 0.5B-checkpoint hoort. Sesame: ook geen score voor de stem van de app. Dit is de zeldzame vergelijking waarbij geen van beide kanten een getal heeft.

Het enige Sesame-artefact dat een ontwikkelaar kan vasthouden

Er is een Sesame-model op Hugging Face, en het is de moeite waard om precies te zijn over wat het is, omdat het regelmatig wordt verward met de stem in de app.

CSM-1B is Apache-2.0, alleen Engelstalig, en gebouwd op de architectuur die het bedrijf publiekelijk heeft beschreven: een Llama-backbone die het eerste audiocodeboek voorspelt en een kleinere dieptedecoder die de rest voorspelt, met decodering via Kyutai's Mimi-codec op 24 kHz. De modelkaart noemt het "een basisgeneratiemodel" — in staat om gevarieerde stemmen voort te brengen, niet toegesneden op een specifieke stem, en expliciet: een afgeleide ervan drijft de interactieve demo aan, in plaats van dat de checkpoint zelf de demo is. Op het moment van deze vastlegging toonde het ongeveer 130.000 downloads in de voorgaande maand en ruwweg 2.500 likes, wat een reële ontwikkelaarsaanhang is voor een twee jaar oude onderzoeksrelease.

Wat dat in de praktijk betekent: je kunt de architectuur van Sesame laden, fine-tunen en een conversationele TTS zelf hosten. Je kunt het product van Sesame niet laden. De update van oktober — een nieuwe CSM met betere expressiviteit en uitspraak, in de woorden van het bedrijf zelf — heeft datgene wat je niet kunt hebben verplaatst, en er niets meetbaars over gezegd.

Waar ze echt overlappen, en waar de overlap eindigt.

Beide zijn gericht op spraak die klinkt als een gesprek in plaats van als een vertelling, en dat is geen kleinigheid om gemeen te hebben. Sesame bouwde zijn reputatie op ademhaling, aarzeling en timing van onderbrekingen die zo overtuigend waren dat vroege luisteraars aannamen dat er een echt persoon aan de lijn was. Ants kleine model wordt geleverd met 14 inline paralinguïstische tags voor lachen, zuchten, ademhaling en aarzeling, en een podcasttaak met meerdere sprekers die zijn eigen 0.5B-broertje niet aankan.

Daarbuiten neemt de overlap snel af.

Het voordeel van Sesame is dat de stem is ingebed in een werkend product met geheugen, connectors naar Gmail, Calendar en Drive, een eigen computer om te browsen en te handelen, MCP-ondersteuning via OAuth en, sinds oktober, de mogelijkheid om andere agents te orkestreren. Niets daarvan is een functie van een spraakmodel; het is een assistent, en de spraak is hoe je ermee praat. Het voordeel van Ant is dat alles inspecteerbaar is. Elk getal in de modelkaart is te herleiden tot een testset, elke taak heeft een uitvoerbaar voorbeeld, en de pipeline is van jou om aan te passen.

De asymmetrie die de meeste evaluaties beslist, is eenvoudiger dan beide lijsten: met Ming-3.0-tts-tiny kun je dezelfde zin honderd keer genereren en ernaar luisteren. Met Sesame kun je helemaal niets genereren, dus er is geen experiment om uit te voeren — alleen een mening over een app.

Wat Ant publiceert, en wat dat waard is

De verleiding bij een confrontatie als deze is om het gat op te vullen met de benchmarktabellen van Ant, en die zijn uitgebreid: Chinees Seed-TTS op 0,820% woordfout en 0,781 sprekersgelijkenis, Engels op 1,666% en 0,728, Duits 0,325%, Spaans 0,971%, NVBench-paralinguïstische resultaten die alle zes single-eventcategorieën aanvoeren, dialectsuites op 86,09% op WSC-Eval-TTS easy, emotie op 74,00% op CV3, stemontwerp op 75,37% op InstructTTSEval-ZH.

Elk daarvan is Ant die Ant meet, op Ants testharnas, met Ants referentieclips en scoringscode, en niets ervan is buiten het bedrijf gereproduceerd. Dat maakt de cijfers niet verkeerd. Het maakt ze door de leverancier gerapporteerd, en het betekent dat ze niet tegenover een Sesame-cijfer kunnen worden gezet, omdat er geen Sesame-cijfer is om ze tegenover te zetten.

Het enige resultaat in de suite dat zich gedraagt als een echte vergelijking, is het ongemakkelijke: op Koreaans laat Ming-3.0-tts-tiny 6,000% tekenfout zien, terwijl zijn eigen 0.5B-broertje 1,728% laat zien. De modelkaart noemt Koreaans bij de bekende zwakke punten en biedt geen verklaring. Een plausibele verklaring — sparse routing waardoor een licht getrainde taal minder capaciteit krijgt dan een dense model van vergelijkbare grootte zou hebben — is een hypothese, geen bevinding. De operationele lezing is de veilige: als Koreaans binnen scope valt, test het dan voordat je erop vertrouwt.

Valt er iets te leren van het model van Sesame zonder het model?

Ja, en het is het meest nuttige in deze vergelijking na het licentieverschil: Sesame publiceert een benchmark. Op 28 augustus 2026 bracht het TurnBench uit, een open benchmark voor beurtwisseling in gesproken dialoog — 30 uur dyadische spraak met drievoudige annotatie, een scoringsprotocol ontleend aan conversatieanalyse, een openbaar leaderboard en resultaten voor 14 systemen, gebouwd met Carnegie Mellon, Mundo AI en Oto.

Beurtwisseling is precies de kwaliteit die zowel een Elo-ranglijst op basis van voorkeuren als een tabel met woordfouten niet weet vast te leggen, en het is de kwaliteit waar het product van Sesame beroemd om is. Als je Ming-3.0-tts-tiny evalueert voor wat dan ook conversationeel is, is TurnBench het instrument om te lenen, ook al staat de eigen app van Sesame er niet op: beoordeel je kandidaat op omgaan met onderbrekingen en backchannel-timing in plaats van te gissen op basis van een gelijkenisparameter.

Dat is hier de vorm van een eerlijke vergelijking. Niet Ming-3.0-tts-tiny tegenover de stem van Sesame Preview, die niet kan worden uitgevoerd, maar Ming-3.0-tts-tiny tegen een openbare benchmark die Sesame heeft gedefinieerd voor de eigenschap die beide nastreven.

Als je het ding bouwt waar een van beide voor bedoeld is

De realistische architectuur voor 2026 voor een spraakproduct is een spraaklaag plus een tekstbrein dat beslist wat er gezegd wordt, en die twee bevinden zich aan tegenovergestelde uiteinden van die stack. Ming-3.0-tts-tiny kan de spraaklaag zijn, als je een GPU hebt en de zin hebt om het te evalueren. Sesame Preview kan helemaal geen laag zijn; het is een concurrerend product waartegen je zou bouwen.

Het tekstbrein is het deel waar een router echt nuttig is in plaats van decoratief. OrcaRouter biedt meer dan 200 tekstmodellen achter één sleutel, tegen de lijstprijs van de provider zonder extra opslag, zodat een prijswijziging van een leverancier dezelfde dag jouw prijs is, met automatische failover tussen providers. Voor de duidelijkheid over de dekking: geen enkel Ant-spraakmodel is hier een route, Ming-3.0-tts-tiny inbegrepen, en geen enkel Sesame-model evenmin, CSM-1B inbegrepen. Wat wordt gerouteerd, is de helft van de pipeline die het script schrijft, de emotietag kiest en bepaalt wanneer de agent moet spreken — en dat is ook de helft waarop je van leverancier kunt wisselen zonder iets opnieuw op te nemen.

Wat je kunt kijken in plaats van een direct duel

Drie dingen zouden dit een echte vergelijking maken, en geen ervan is tot nu toe gebeurd.

Een gehoste endpoint voor Ming-3.0-tts-tiny, of een derde partij die een gemeten latentie en foutpercentage daarvoor publiceert. De eigen roadmap van Ant noemt ondersteuning voor vLLM-Omni, wat een kwestie van serving is en niet van kwaliteit, maar het is de voorwaarde voor anderen om het model te kunnen scoren.

Een getal dat aan Sesame's CSM van oktober is gekoppeld. Het bedrijf zegt dat expressiviteit en uitspraak zijn verbeterd en dat het verschil groot is bij lange gesprekken; het heeft geen model-ID, geen latentiecijfer en geen benchmark gepubliceerd, en de enige openbare meting van iets aangrenzends blijft TurnBench, dat beurtwisseling meet in plaats van stemkwaliteit.

En een Koreaans resultaat van iemand anders dan Ant. Het cijfer van 6,000% is de duidelijkste fout in het gepubliceerde record, en een tweede team dat het reproduceert of tegenspreekt, zou je meer over deze checkpoint vertellen dan welke Elo-score dan ook.

Tot dan is het eerlijke oordeel weinig glamoureus: het ene kun je downloaden, auditen en uitbrengen, met een licentie die dat toestaat en een benchmarksuite die alleen de auteur ervan heeft gedraaid. Met het andere kun je op je telefoon praten en het bewonderen, maar er niet op voortbouwen.