Ming-3.0-tts staat bovenaan de Uitspraakarena, en de rest van zijn debuut is interessanter.

Met 93,2% zit er tussen Ming-3.0-tts en Fish Audio Drama 3 Preview één honderdste procentpunt — 1.677 correcte spans van de 1.800 voor het model van Ant Group tegenover 1.785 van de 1.916 voor dat van Fish Audio — wat op de decimaal na een gelijkspel is. Beide staan boven Eleven v4 op 91,7%, het cijfer dat de meeste mensen zullen citeren. Het gelijkspel is echt en het is de moeite waard om het ronduit te melden, maar het is het minst informatieve gegeven op de ranglijst. Wat Ming-3.0-tts deze week een artikel waard maakt, is niet dat het de eerste plaats heeft bereikt op de English Pronunciation Robustness-ranglijst van Artificial Analysis. Het is dat de ranglijst eindelijk überhaupt voor dit model bestaat, en dat de vier deelscores onder het hoofdcijfer iets zeggen wat het hoofdcijfer niet kan.De gedocumenteerde AI-storingen en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistvlag heeft.

Die deelscores zijn onevenwichtig. Ming-3.0-tts voert alle 31 gemeten systemen aan op Preserving Exact Sequences, met 90,6%, en op Expanding Shorthand, met 96,5%. Het staat ook 21e van de 31 op Standalone Terms, met 88,5%, de categorie die de meeste luisteraars "namen verkeerd uitspreken" zouden noemen. Eén samengevatte score verbergt een model dat beter dan wat dan ook op de ranglijst leest: .env.local en "Chapter XVII", en dat vaker struikelt over gewone eigennamen dan een Gemini- of ElevenLabs-systeem. Of dat een overwinning is, hangt volledig af van waar je tekst uit bestaat.

Wat is er daadwerkelijk veranderd, en wat niet?

Ant Group heeft dit model deze week niet gelanceerd, en geen enkel artikel zou moeten doen alsof dat wel zo is. De tijdlijn in de repositories is openbaar en ietwat ongemakkelijk:

• De Hugging Face-repositories voor Ming-3.0-tts-0.5B en Ming-3.0-tts-tiny zijn op 22 september 2026 aangemaakt, met een placeholder-kaart.

• De 0.5B-checkpoint — 2.96 GB aan safetensors, onder MIT-licentie — is op 24 september online gezet.

• De GitHub-repository met de inferentiecode, het takenkookboek en de voorbeeldscripts verscheen op 19 oktober, wat ook de datum is die de README van Ant als releasemaand noemt en de datum die Artificial Analysis op zijn modelrij vermeldt.

De gewichten zijn dus vier weken oud en de bruikbare release is één dag oud. Wat er op 19 oktober veranderde, is niet dat er een model werd uitgebracht, maar dat de inferentiecode werd uitgebracht en dat de onafhankelijke metingen samen daarmee kwamen. Vóór die datum was er een checkpoint zonder gepubliceerde manier om het te draaien en zonder een cijfer van een derde partij eraan verbonden; iedereen die erover schreef, citeerde de eigen tabellen van Ant.

Dat onderscheid is van belang voor hoe je de 93,2% leest. Artificial Analysis gebruikt zijn eigen harness en zijn eigen menselijke beoordelaars; dit zijn geen gereproduceerde evaluaties van Ant. De evaluatiedatums en steekproefaantallen staan op het board vermeld, de betrouwbaarheidsintervallen zijn gepubliceerd en de aandachtscontroles van de beoordelaars worden in de methodologie beschreven. Dit is de eerste keer dat iemand buiten Ant een cijfer aan dit model heeft gegeven, en het blijkt een goed cijfer te zijn.

Drie boards, drie verschillende antwoorden

Artificial Analysis beheert meer dan één tekst-naar-spraak-ranglijst, en Ming-3.0-tts domineert ze niet allemaal. De verschillen zijn groot genoeg dat het aanhalen van degene die het model het gunstigst afschildert, een vorm van misleiding is.

• Controlled Voice, waarbij elk systeem dezelfde acht referentiestemmen kloont (vier VS, vier VK) en alleen de synthese wordt vergeleken — Ming-3.0-tts scoort 1.068 Elo, eerste onder open-weightmodellen en twaalfde overall. Fish Audio Drama 3 Preview staat tweede onder open weights met 1.059.

• {{1}}Provider-stem{{/1}}, waarbij elk systeem zijn eigen native stemmen gebruikt — {{2}}Ming-3.0-tts{{/2}} scoort 1.188 Elo, 18e algemeen en derde onder open-weightmodellen, achter {{3}}Fish Audio Drama 3 Preview{{/3}} met 1.247 en {{4}}Breeze T​TS 2{{/4}} met 1.221. {{5}}Eleven v4 Turbo{{/5}} leidt het volledige klassement met 1.330.

• Uitspraakrobuustheid, Engels, door mensen beoordeeld — Ming-3.0-tts op 93,2%, overall nipt eerste, op een haar na voor Fish Audio Drama 3 Preview op 93,2% en voor Eleven v4 op 91,7%.

Het patroon is consistent: zodra de stemmen niet meer constant worden gehouden, verliest Ming-3.0-tts terrein. Dat is de signatuur van een model waarvan het clonen sterker is dan de standaardstemmenset — precies hoe een checkpoint zonder gehoste stemmencatalogus eruit zou moeten zien. Ant levert meer dan 100 ingebouwde Chinese stemmen en vijf Engelse; drie van die Engelse stemmen zijn wat de Provider Voice-board daadwerkelijk hoorde, tegenover de zorgvuldig geproduceerde catalogi van ElevenLabs en Cartesia. Bij gekloonde stemmen wordt het speelveld gelijk en stijgt het model vijf plaatsen.

Merk ook op dat de cijfers al zijn afgeweken van Ants eigen README. De repositorytabel zegt 1.069 Controlled en 13e overall, en 1.188 Provider en 17e overall. Het bord vandaag leest 1.068 en 12e, en 1.187,8 en 18e. Er blijven stemmen binnenkomen; de lijn beweegt. Iedereen die deze cijfers citeert, zou ze van een datum moeten voorzien.

De 93.2 is twee overwinningen en twee nederlagen.

Uitspraakrobuustheid is niet één test. Artificial Analysis splitst het in vier categorieën, elk met een eigen noemer, en juist die opsplitsing maakt dit model inzichtelijk.

• Exacte reeksen behouden — codes, bestandspaden, e-mailadressen, identifiers. Ming-3.0-tts scoort 90,6%, als eerste van 31, met als op een na beste Fish Audio Drama 3 Preview op 86,3% en Eleven v4 op 78,8%. Dit is de categorie die bepaalt of een supportbot een ordernummer correct voorleest, en de marge is allesbehalve klein.

• Stenografie uitbreiden — getallen, datums, eenheden en notatie. Ming-3.0-tts scoort 96,5%, eerste van 31, vóór Eleven v4 met 94,1% en Fish Audio Drama 3 Preview met 93,6%.

• Contextueel passend — heteroniemen zoals "a wound that is bandaged" tegenover "a bandage that is wound." Ming-3.0-tts scoort 91,0%, 13e van 31. Gemini 3.8 Flash TTS staat bovenaan met 98,0%.

• Op zichzelf staande termen — merk-, plaats- en technische namen. {{1}}Ming-3.0-tts{{/1}} scoort 88,5%, 21e van 31. {{2}}Fish Audio Drama 3 Preview{{/2}} leidt met 95,9%.

Een totaalscore die ex aequo op de eerste plaats eindigt terwijl hij op een van zijn vier onderdelen 21e staat, is geen paradox; de twee categorieën die hij wint, hebben de grootste noemers (1.084 van de 1.800 beoordeelde spans zijn shorthand- en sequencegevallen). Ants eigen README leunt precies op deze twee overwinningen en noemt daarbij Expanding Shorthand op 96,5% en Preserving Exact Sequences op 90,6%, en de onafhankelijke run bevestigt beide. Alleen de 21e plaats wordt niet genoemd, terwijl dat juist de rij is waar een voice-agentteam naar moet kijken voordat het een model uitbrengt dat achternamen van klanten moet uitspreken.

De 21e plaats is ook de meest plausibele verklaring voor een detail in de modelkaart van Ant: de Engelse stemmenset bestaat uit vijf stemmen tegenover meer dan 100 in het Chinees. Dekking van Engelse eigennamen is eerst een dataprobleem en pas daarna een modelleringsprobleem, en het cijfer voor termuitspraak is hoe die kloof eruitziet wanneer iemand die meet.

De helft van de familie die niet in het bestuur zit

Ming-3.0-tts-tiny, de mixture-of-experts-variant met in totaal 7,9B en 1,3B actieve parameters, gebouwd op de Ling V3-backbone, heeft geen rij op een van deze leaderboards. De arena-inschrijving met het label Ming-3.0-tts verwijst naar het 0,5B-checkpoint, en elk cijfer hierboven hoort bij dat checkpoint. De gepubliceerde resultaten van Tiny zijn van Ant zelf — Chinese word error 0,820% met sprekerovereenkomst 0,781, Duits 0,325%, Spaans 0,971%, Koreaans 6,000% — en niemand heeft ze onafhankelijk gereproduceerd. Beschouw ze als leveranciersclaims; het gênante Koreaanse cijfer is op zijn minst bewijs dat Ant de tabel publiceert en niet alleen een highlightreel.

Er is één plek waarop tiny echt voorloopt op zijn zustermodel binnen Ant's harness: het genereren van podcasts met meerdere sprekers, wat het 0.5B-model helemaal niet doet. Dat is een productcapaciteit in plaats van een voorsprong in benchmarks, en het staat niet op de arena.

Het draaien ervan, en wat dat kost

De 0.5B-checkpoint is een download van 2,96 GB — backbone, DiT-patch-head, audiotokenizer, speakerencoder en teksttokenizer — onder MIT, met audio-uitvoer van 44,1 kHz. Ant heeft hem getest op een H800-80GB en een H20-96G met PyTorch 2.6, CUDA 12.4 en transformers 4.46.3, en de repository bevat een Dockerfile. Inferentie verloopt via infer.py of de MingTTS Python-klasse; de Hugging Face-repository is alleen voor checkpointdistributie en werkt niet op zichzelf.

Artificial Analysis mat het gehoste Ant-endpoint op 44,3 tekens per seconde generatietijd, met een mediane generatietijd van 2,56 seconden. Ter vergelijking: een miljoen tekens aan voltooide vertelling is ongeveer 6,3 uur pure generatie op die configuratie, vóór het laden van het model of het in de wachtrij zetten. Er staat geen prijs vermeld omdat er geen gehost commercieel endpoint is; je koopt GPU-uren, geen tekens.

Dit is waar een routeringslaag echt nuttig is zonder te doen alsof hij het model host. OrcaRouter heeft Ming-3.0-tts niet in het aanbod — de catalogus bevat helemaal geen Ming-spraakmodel — en het model bereik je door de repository te klonen en het zelf te draaien. Wat wij wél bieden is de teksthelft van dezelfde pijplijn: meer dan 200 modellen achter één sleutel tegen de lijstprijs van de provider, zonder dat er een marge bovenop komt, automatische failover tussen providers, en een routerings-DSL om ze samen te stellen. Als je een narratie- of agent-pijplijn bouwt, is het model dat het script schrijft het deel dat je vandaag kunt consolideren; het spraakmodel is het deel dat je zelf host.

Wat u vanaf hier kunt kijken

Drie dingen zouden dit beeld veranderen, en geen ervan is tot nu toe gebeurd.

De roadmap van Ant vermeldt het technische rapport nog steeds als niet aangevinkt. Totdat het beschikbaar is, bestaat de architectuurbeschrijving uit één alinea en één diagram, en zijn de evaluatietabellen het enige gedetailleerde bewijs over hoe het model zich gedraagt. Een rapport zou ook de kloof bij de uitspraak van termen verklaren, die momenteel een hypothese is.

Provider Voice heeft drie native stemmen gehoord. Dat is een kleine steekproef voor een model dat er honderd in het Chinees en vijf in het Engels levert, en de 18e plaats zal verschuiven naarmate meer stemmen worden gescoord — in welke richting valt van hieruit niet te weten.

En de tiny-checkpoint blijft door geen enkele onafhankelijke partij gemeten. Als die wel een rij krijgt, is de interessante vraag of een Ling V3 mixture-of-experts met 1,3B actieve parameters per token het voordeel in sequentietrouw behoudt dat het 0,5B-model onderscheidend maakt, of dat inruilt voor de sprekersimilariteit die de eigen tabellen van Ant eraan toekennen. Op basis van de leverancierscijfers is tiny de betere gekloonde stem. Op basis van de enige onafhankelijke cijfers die bestaan, is het 0,5B-model het model dat is getest, en het is geslaagd voor het deel van de test dat de meeste mensen niet zouden bedenken uit te voeren.