Ming-3.0-tts vs ElevenLabs: Eleven v4 wint de Arena met 140 punten en verliest de ene test die bepaalt of je tekst correct wordt voorgelezen

Vraag je een zaal vol spraak-AI-engineers om tussen Ming-3.0-tts en Eleven v4 te kiezen, en je krijgt bijna altijd ElevenLabs, en de arena is het met hen eens: 1.328 Elo voor Eleven v4 op Provider Voice tegen 1.188 voor het model van Ant Group, een verschil van 140 punten dat geen afrondingsfout, gelijkspel of tijdelijk artefact van stemmentellingen is. Open dan het uitspraakleaderboard, waar hetzelfde lab menselijke beoordelaars vraagt of elk gemarkeerd fragment in een Engelse zin correct is uitgesproken, en Ming-3.0-tts staat op 93,2% tegen 91,7% voor Eleven v4 — de eerste plaats tegen de derde plaats. Een model dat voor luisteraars merkbaar slechter klinkt, is volgens een onafhankelijke maatstaf ook betrouwbaarder in het uitspreken van de woorden die exact moeten worden gezegd. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waar elke vermelding zijn eigen bronnen, ernst, zekerheidsgraad en betwistvlag bevat.

Dat is geen tegenstrijdigheid, en begrijpen waarom niet is de hele waarde van deze vergelijking. ElevenLabs verkoopt een stem. Ming-3.0-tts is een checkpoint dat je zelf draait. De overlap waarin ze echt met elkaar concurreren is smaller dan de marketing van beide leveranciers suggereert, en binnen die overlap verandert het antwoord met het soort tekst dat je ze voert.

Wat ElevenLabs daadwerkelijk levert

ElevenLabs heeft nu twee actuele modellijnen. Eleven v4 is de emotieve, hooggetrouwe variant: meer dan 90 talen, een limiet van 10.000 tekens per verzoek, dialoog met meerdere sprekers en stemklonen dat begint bij het Starter-abonnement van $6 voor instant-clones en het Creator-abonnement van $22 voor professionele clones. Eleven v4 Turbo is de realtime-tegenhanger, met dezelfde meer dan 90 talen, een gepubliceerde mediane inferentielatentie van ongeveer 100 milliseconden exclusief applicatie- en netwerkoverhead, en API-prijzen op ongeveer de helft van die van v4. De prijsstelling werkt met credits tegen één credit per teken, met abonnementen van gratis bij 10.000 credits tot $990 per maand voor zes miljoen; de arena normaliseert v4 naar $80 per miljoen tekens en Turbo naar $40.

Ming-3.0-tts is iets heel anders: een checkpoint van 2,96 GB onder MIT-licentie van het inclusionAI-team van Ant Group, gebouwd op een Qwen2.5-0.5B-backbone met een diffusion-transformer-patch-head, op 24 september 2026 uitgebracht als gewichten en uitvoerbaar gemaakt toen de inferentiecode op 19 oktober op GitHub verscheen. Het dekt zeven talen plus Sichuanees en Kantonees, kloont een stem op basis van referentieaudio plus het bijbehorende transcript, ontwerpt stemmen op basis van tekstbeschrijvingen en accepteert 14 inline paralinguïstische tags. Er is geen gehost endpoint, geen abonnement en geen tarifering per teken.

De tweede modellijn van ElevenLabs is hier van belang en wordt zelden genoemd in vergelijkingen: Eleven v3, met 1.072 Elo, nog steeds in productie, en v3 Conversational met 1.062 voor realtimegebruik. Een team dat voor "ElevenLabs" kiest, kiest vaak v3 omdat het goedkoper is of omdat hun integratie van vóór v4 dateert. Beide scoren lager dan Ming-3.0-tts op het preferentieboard. De vergelijking is met v4, en v4 is een echt ander niveau dan de v3-lijn die de meeste bestaande implementaties draaien.

De voorkeurskloof is reëel, en die zit niet waar je denkt.

• Voice Elo per provider — Ming-3.0-tts 1.188 (1.174–1.202) vs Eleven v4 1.328 (1.314–1.342). Eleven v4 staat 2e van 97; Ming staat 18e. Eleven v4 Turbo leidt het klassement met 1.330.

• Gecontroleerde Voice Elo, dezelfde acht gekloonde stemmen voor elk systeem — Ming-3.0-tts 1.068 (1.052–1.084) vs Eleven v4 1.156 (1.143–1.169) en Turbo 1.158. Het verschil wordt kleiner: van 140 naar 88 punten.

Lees de tweede regel opnieuw. Wanneer beide systemen dezelfde stem klonen, verdampt meer dan de helft van het voordeel van ElevenLabs. Provider Voice meet het hele product — de native stemcatalogus, de standaardvoordracht, de prosodiekeuzes die een leverancier voor je heeft gemaakt — en ElevenLabs heeft jaren aan die catalogus besteed, terwijl Ming vijf Engelse stemmen levert tegen meer dan honderd in het Chinees. Controlled Voice haalt dat weg en vraagt alleen hoe goed elk systeem een stem imiteert die het heeft gekregen. ElevenLabs wint nog steeds met gemak, maar de marge heeft een andere omvang en er wordt een andere competentie gemeten.

Voor een team dat zijn eigen merkstem kloont, is het getal van 88 punten het relevante. Voor een team dat een stem uit een catalogus wil kiezen en wil inzetten, is het getal van 140 punten het relevante, en het weerspiegelt een voorsprong die Ming niet kan dichten zonder een stemmenbibliotheek op te bouwen waarvan niets erop wijst dat Ming die aan het opbouwen is.

Waar de rangorde omkeert

De uitspraakcommissie kent twee categorieën een zwaar gewicht toe, en Ming-3.0-tts wint beide overtuigend.

• Exacte sequenties behouden — codes, paden, e-mails, identifiers. Ming-3.0-tts 90,6%, eerste van 31, tegenover Eleven v4 met 78,8% en Eleven v4 Turbo met 73,9%. Dat is een verschil van 12 punten in de categorie die bepaalt of een ordernummer, een repositorypad of een e-mailadres van een klant er intact uitkomt.

Uitbreiding van steno — getallen, datums, eenheden, notatie. Ming 96,5%, eerste van 31, tegenover Eleven v4 met 94,1% en Turbo met 91,9%.

En waar ElevenLabs wint, wint het overtuigend:

• Losstaande termen — merk-, plaats- en technische namen. Eleven v4 93,2%, Ming 88,5%. Ming staat hier 21e van de 31, wat de allerbelangrijkste regel in dit artikel is voor iedereen die Engelse marketing- of supportaudio produceert.

• Contextueel passend — heteroniemen zoals "wound." Eleven v4 94,1%, Ming 91,0%.

De tweedeling binnen één test is dus: Ming leest je gegevens correct voor en spreekt je merk verkeerd uit; ElevenLabs leest je merk correct voor en verminkt je identificatoren. Beide fouten zijn hoorbaar en geen van beide komt naar voren in een voorkeursstemming, omdat een luisteraar die de juiste uitspraak van een term niet kent, geen manier heeft om die als fout te markeren.

Het totaalcijfer — 93,2 tegenover 91,7 — is in de praktijk een gelijkspel. De betrouwbaarheidsintervallen overlappen elkaar (91,5–94,9 voor Ming, 90,0–93,4 voor v4), de steekproefgroottes verschillen (1.800 spans tegenover 2.051), en een voorsprong van 1,5 punt op een ranglijst met 31 modellen is geen claim waarop je een beslissing zou moeten baseren. Wat wel een goede basis vormt, is de uitsplitsing per categorie, want daar lopen de intervallen uiteen.

Kosten, eerlijk omgerekend

ElevenLabs factureert één credit per teken, waarbij v4 tegen het standaardtarief gaat en de Turbo- en Flash-varianten tegen een halve tot één credit, afhankelijk van het plan. Op de gepubliceerde abonnementstabel liggen de effectieve kosten per minuut van TTS rond $0,17–$0,36 afhankelijk van de tier, en het genormaliseerde cijfer van de arena is $80 per miljoen tekens voor v4 en $40 voor Turbo.

Afgezet tegen reëel volume: een miljoen tekens is ruwweg 20 uur voltooide spraak bij een normaal verteltempo. Bij $80 is dat $4 per voltooid uur audio, wat goedkoop is totdat het dat niet meer is — een catalogus van 5.000 productbeschrijvingen van elk 600 tekens is drie miljoen tekens, of $240 op v4 en $120 op Turbo. Dat is een maandrekening voor een contentoperatie die zijn copy opnieuw genereert.

Ming-3.0-tts heeft geen prijs per teken, omdat er geen gehoste dienst is. De kosten bestaan uit GPU-tijd bij de gemeten 44,3 tekens per seconde, wat een miljoen tekens op ongeveer 6,3 uur genereren op een kaart uit de H800-klasse brengt, plus het laden. Of dat opweegt tegen $80 hangt volledig af van wat je al betaalt voor rekenkracht en hoeveel engineeringtijd het zelf hosten kost. Voor één productbeschrijving per maand is ElevenLabs goedkoper met een factor die de vergelijking belachelijk maakt. Voor een nachtelijke hergeneratie van een groot corpus verandert de rekensom.

Er is een derde optie die geen enkele prijspagina van een leverancier zal aanraden, en dat is waar een routeringslaag zijn waarde bewijst. OrcaRouter host Ming-3.0-tts niet en biedt ElevenLabs niet aan, dus geen van beide kanten van deze match-up is via ons bereikbaar; Ming komt uit de repository van Ant en ElevenLabs uit zijn eigen API. Wat wij wél aanbieden, zijn Google's Gemini TTS-previews en OpenAI's tts-1 en gpt-4o-mini-tts naast meer dan 200 tekstmodellen, allemaal tegen de lijstprijs van de provider zonder extra opslag, met automatische failover tussen providers achter één sleutel. Als de stem één fase is in een pipeline waarvan de eerdere fasen tekst zijn — samenvatting, vertaling, scriptgeneratie — dan is dat het onderdeel dat vandaag wordt geconsolideerd, en een prijswijziging van een provider gaat dezelfde dag in in plaats van bij de volgende contractverlenging.

Het engineeringverschil dat meer bepaalt dan de Elo

ElevenLabs geeft je een request, een response, een concurrencylimiet die schaalt van 2 op het gratis abonnement tot 15 op Scale, en een leverancier die antwoordt wanneer het misgaat. Ming-3.0-tts geeft je een checkpoint van 2,96 GB, een Docker-image met PyTorch 2.6 en CUDA 12.4, een Python-klasse en de evaluatietabellen van Ant. De roadmap van de repository vermeldt vLLM-Omni versnelde inferentie als voltooid, maar het technische rapport als nog niet begonnen.

Hier volgen twee operationele feiten, en ze zijn niet gering.

Ten eerste vereist Ming-3.0-tts een referentiegolfvorm en het bijbehorende transcript voor het klonen — de --prompt_wav_path en --prompt_text-argumenten in het eigen voorbeeld van de repository. ElevenLabs kloont vanaf tien seconden audio op Starter en hoger, zonder transcript en zonder lokale pipeline. Als je kloonworkflow is "een klant uploadt een spraakmemo", dan is dat verschil een productbeslissing in plaats van een technisch detail.

Ten tweede zijn mogelijkheden in Ming taakmodi, geen combineerbare schakelaars. De eigen documentatie van Ant zegt dat de vaardigheden als afzonderlijke taken worden aangeboden en niet vrij kunnen worden gecombineerd, wat betekent dat een verzoek dat stemklonen plus emotie plus een dialect wil, niet noodzakelijk een verzoek is dat het model als één aanroep accepteert. ElevenLabs biedt emotie en audiotags aan in hetzelfde verzoek als de gekloonde stem. Voor een agent die alle drie tegelijk nodig heeft, is dit de beperking die het meest van belang is, en die komt op geen enkele ranglijst voor.

Een opmerking over welk getal van ElevenLabs je moet vertrouwen

De prijzenpagina van ElevenLabs promoot v4 als het nieuwste en meest emotieve model, terwijl de vergelijkingstabel nog steeds v3 vermeldt, en de arena v3, v3 Conversational, v4 en v4 Turbo afzonderlijk beoordeelt als vier verschillende systemen met een spreiding van 260 punten tussen de bovenste en onderste. "ElevenLabs" is in deze vergelijking geen enkele concurrent; het is een productlijn, en het verschil tussen het beste en slechtste huidige model is groter dan het verschil tussen Ming-3.0-tts en elk van beide. Elke vergelijking die één getal voor ElevenLabs gebruikt, kiest een getal dat de leverancier voortrekt of benadeelt, afhankelijk van welk getal die heeft gekozen.

Wat concreet te doen

Als de audio een klantgericht gesprek is — een telefonische agent, een interactieve assistent, alles waarbij de eerste lettergreep aankomt terwijl iemand wacht — gebruik dan Eleven v4 Turbo. De latencyclaim is gepubliceerd, de concurrencytiers zijn gepubliceerd, en Ming-3.0-tts heeft helemaal geen streamingpad.

Als de audio Engelse marketing is, merkgeleide narratie, of iets waarbij een eigennaam de kern van de zin is, gebruik dan Eleven v4 en begroot budget voor het uitspraakwoordenboek. Ming's 88,5% op losstaande termen is 21e van 31 en dat zal hoorbaar zijn bij de eerste merknaam.

Als het om operationele audio gaat — orderbevestigingen, technisch voorlezen, interne training, alles wat vol zit met identifiers, eenheden en notatie — is Ming-3.0-tts het betere instrument, en op de twee categorieën die die gebieden beslaan is het verschil bepaald niet klein. Het is ook de enige van de twee die je kunt behouden als een leverancier zijn voorwaarden wijzigt, omdat MIT niet verloopt.

Wat het antwoord zou veranderen, is hetzelfde als al een maand: Ant heeft nog steeds geen technisch rapport gepubliceerd, en Ming heeft nog steeds geen gehoste endpoint. Zodra een van beide verschijnt, is de kloof van 88 punten bij gecontroleerde stem het getal om opnieuw te meten, want dat is degene die het dichtst ligt bij wat een team dat zijn eigen stem kloont daadwerkelijk zal ervaren.