GPT-Live-1 kontra Ming-3.0-TTS: licencja MIT spotyka rozliczaną minutę

Ming-3.0-TTS pojawił się 20 października 2026 r. z licencją, o jakiej marzy większość zespołów zajmujących się głosem: MIT, wagi na Hugging Face i ModelScope, kod inferencji na GitHubie, zerowy koszt za znak oraz syczuański i kantoński na liście języków. GPT-Live-1 kosztuje 0,05 USD za każdą minutę, nie udostępnia wag i mówi w językach, pod które dostroiło go OpenAI. Ich porównywanie nie jest tak naprawdę kwestią jakości. To kwestia tego, w jakim języku faktycznie mówią Twoi klienci i czy jesteś gotowy uruchomić GPU, aby im usługiwać.

Obie są prawdziwe, obie są aktualne i obie są dobre w rzeczach, których druga nie potrafi. Oto uczciwy podział.

Rodzina Ming to dwa modele, a nie jeden.

Zespół inclusionAI należący do Ant Group udostępnił na zasadach open source Ming-3.0-TTS jako parę współdzielącą jeden framework generowania — model językowy zasilający głowę patchową transformera dyfuzyjnego oraz tokenizator audio.

• Ming-3.0-TTS-0.5B — gęsty model o około 500 milionach parametrów na szkielecie Qwen2.5-0.5B, do pobrania 2,96 GB, działa na H800-80GB lub H20-96G.

• Ming-3.0-TTS-Tiny — model mixture-of-experts zbudowany na architekturze Ling V3 firmy Ant, łącznie 7,9 mld parametrów, z czego 1,3 mld aktywnych, oraz ten model, który dodaje tryb podcastu dla wielu mówców.

0.5B jest ciekawy dla każdego, kto kalkulował koszty produktu głosowego. Model TTS z pół miliarda parametrów, który mieści się w trzech gigabajtach, nie wymaga zaangażowania centrum danych; to pojedynczy GPU, który być może już masz. Tiny to opcja nastawiona na jakość, a własne notatki Anta mówią, że jego wyniki dla podcastów są słabsze niż wcześniejszego Ming-Omni-TTS — szczere ograniczenie, które warto przyjąć dosłownie.

Zestaw funkcji: klonowanie głosu w trybie zero-shot, projektowanie głosu na podstawie opisu tekstowego, ponad 100 wbudowanych głosów chińskich i 5 angielskich, 14 osadzonych w tekście tagów paralingwistycznych do śmiechu, westchnień i oddechu, sterowanie stylem w języku naturalnym oraz wyjście dźwiękowe 44,1 kHz. Dostępne języki to chiński, angielski, niemiecki, hiszpański, francuski, koreański i japoński, a także dialekty syczuański i kantoński.

Co zamiast tego oferuje GPT-Live-1

Model OpenAI to silnik konwersacji, a nie syntezator z interfejsem skryptowym. Dostępny w API od 10 września 2026 r., przyjmuje na wejściu audio i tekst, zwraca na wyjściu audio i tekst, słucha, jednocześnie mówiąc, i przekazuje rozumowanie modelowi tekstowemu, gdy pytanie tego wymaga. Jeden punkt końcowy: v1/live/sessions. 0,05 USD za minutę, rozliczane co sekundę. Data odcięcia wiedzy: lipiec 2025, brak udokumentowanego okna kontekstu i brak dostępu w warstwie Free.

Nie ma udokumentowanego wsparcia dla dialektów, klonowania głosu, rozliczania za znak ani sposobu, by przekazać mu skrypt o 4000 znaków i otrzymać z powrotem plik. Ma natomiast działający mechanizm przejmowania tury — coś, nad czym każdy kaskadowy agent głosowy spędza sześć miesięcy na dostrajaniu, a mimo to wciąż zawodzi przy złej linii telefonicznej.

Kwestia języka jest na pierwszym miejscu.

Jeśli Twoi użytkownicy mówią po mandaryńsku, kantońsku lub syczuańsku, to porównanie kończy się szybko. Ming-3.0-TTS został stworzony z myślą o tych językach, publikuje współczynniki błędów słów dla poszczególnych języków i oferuje głosy brzmiące natywnie, a nie adaptowane. Dokumentacja GPT-Live-1 w ogóle nie opisuje obsługi dialektów, a wdrożenia, które możemy zaobserwować — ChatGPT Voice, a teraz tryb głosowy Perplexity — to produkty nastawione przede wszystkim na język angielski.

Jeśli Twoi użytkownicy mówią wyłącznie po angielsku, przewaga Minga kurczy się do jego licencji i ceny, a przewaga GPT-Live-1 obejmuje całą warstwę konwersacyjną. To jest prawdziwe rozwidlenie i nie ma ono nic wspólnego z Elo.

Jedyne miejsce, w którym szeroki zakres językowy Ming jest naprawdę strategiczny, to produkt, który musi obsługiwać kilka rynków naraz — niemiecki, hiszpański, koreański i japoński w jednym wydaniu. Ant podaje najlepsze wskaźniki błędów słów dla niemieckiego i hiszpańskiego w wariancie Tiny, zauważając jednocześnie, że podobieństwo mówcy jest słabsze w nowszych językach i przeważnie plasuje się poza pierwszą trójką. Innymi słowy: szeroki zasięg, nierówna wierność — i należy przeprowadzić odsłuch dla każdego rynku, zamiast ufać liście.

Zapewnienie o 0 $, poddane audytowi

Ming jest darmowy w tym sensie, że licencja nic nie kosztuje. Nie jest darmowy w tym sensie, że udostępnianie go nic nie kosztuje, a każde opracowanie o „TTS o zerowym koszcie” po cichu pomija ten etap.

Artificial Analysis w ogóle nie odnotowuje ceny dla Ming-3.0-TTS — w tym polu widnieje N/A, ponieważ nie istnieje hostowane komercyjne API inclusionAI, które można by wycenić. Twoim kosztem jest czas GPU, a uczciwy wzór to: (stawka za godzinę GPU ÷ liczba znaków syntezowanych na godzinę) × 1,000,000. Drugi składnik uzupełnij samodzielnie. Nikt nie publikuje wskaźnika przepustowości dla modelu 0.5B, więc każda kwota za milion, którą przeczytasz w internecie — w tym krążący w porównaniach próg opłacalności $6.58 — opiera się na założeniu dotyczącym szybkości, którego autorzy modelu nie opublikowali.

Co można powiedzieć, nie wymyślając liczb: przy wynajmie za 2 USD za godzinę GPU trzeba syntetyzować około pół miliona znaków na godzinę, aby zejść poniżej 4 USD za milion — tempo, które wymaga, by model działał kilkukrotnie szybciej niż w czasie rzeczywistym, co model 0.5B prawdopodobnie potrafi, a 7.9B MoE prawdopodobnie nie. Zmierz to, zanim zbudujesz na tym biznesplan.

W porównaniu z GPT-Live-1 obliczenia są prostsze właśnie dlatego, że licznik jest liniowy: godzina rozmowy kosztuje 3,00 USD, a rozumowanie backendu rozliczane jest osobno. Żadnego ryzyka wykorzystania, żadnego GPU, którym trzeba się opiekować, i żadnego założenia, którego trzeba by bronić na spotkaniu budżetowym.

Dlaczego oba zgłaszają 93,2%?

Ciekawostka, która zmyli każdego porównującego arkusze danych: Ming-3.0-TTS podaje 93,2% odporności wymowy w pomiarze Artificial Analysis, twierdząc, że zajmuje pierwsze miejsce w klasyfikacji ogólnej. Drama 3 od Fish Audio podaje ten sam wynik 93,2% i również twierdzi, że zajmuje pierwsze miejsce. Dwa laboratoria, dwie architektury, jedna identyczna wartość co do miejsca dziesiętnego.

Traktuj to jako dowód na istnienie pułapu, a nie rozstrzygnięcie remisu. Pozostała część koncentruje się na przypadkach, które łamią każdy model TTS: ciągach alfanumerycznych, nietypowych nazwach własnych, liczbach czytanych w kontekście i homografach. To, który model wygrywa w Twoim przypadku, zależy od tego, czy Twoje treści zawierają numery części czy poezję, i tylko Twój własny zestaw ewaluacyjny może odpowiedzieć na to pytanie.

Na deskach, z zastrzeżeniami.

Na Provider Voice Arena, zarejestrowanej 29 października 2026 r., Ming-3.0-TTS zajmuje 1187 punktów Elo, trzecie miejsce wśród wpisów open-weights, za Drama 3 z 1240 i Breeze TTS 2 z 1228, a ranking, który we własnym repozytorium podaje Ant, wskazuje je jako trzecie wśród open-weights na tej tablicy. Na tablicy Controlled Voice, gdzie każdy model klonuje te same osiem głosów, własne repozytorium Ant twierdzi, że zajmuje pierwsze miejsce wśród open-weights z 1069 Elo i trzynaste miejsce w klasyfikacji ogólnej.

GPT-Live-1 nie pojawia się na tych tablicach, ponieważ nie jest modelem zamiany tekstu na mowę w ich rozumieniu. Jego wyniki znajdują się gdzie indziej: 83,2 w Speech-to-Speech Index, drugie miejsce spośród 21, oraz 1037–1041 w Speech Agent Arena, ze skutecznością zadań między 87,4% a 90,9%. Różne narzędzia pomiarowe, różne skale, odejmowanie jest niedozwolone.

Gdzie każdy z nich przegrywa

Ming przegrywa w rozmowie, kropka. Nie słyszy, nie potrafi przerwać, nie potrafi zdecydować się przestać mówić. Wszelkie wdrożenie, które wymaga człowieka po drugiej stronie linii, jest poza zakresem, niezależnie od tego, jak dobry jest głos.

Ming przegrywa także pod względem prostoty operacyjnej dla małych zespołów. GPU to coś, co pada o 3 w nocy, wymaga dopasowanych sterowników i po cichu degraduje się, gdy inny dzierżawca współdzieli kartę. Licencja MIT nie obejmuje inżyniera pełniącego dyżur.

GPT-Live-1 przegrywa pod względem struktury kosztów w pracy z dużą ilością tekstu oraz pod względem kontroli nad głosem marki. Stałe głosy modelu oznaczają, że nie można wdrożyć głosu założyciela ani licencjonowanej postaci. A licznik rozliczany za minutę karze dokładnie ten rodzaj pracy, w którym TTS jest najlepszy: długie, skryptowe, powtarzalne dane wyjściowe, w przypadku których nic nie musi słuchać.

Kąt routingu, który faktycznie obowiązuje

Ani jednego z nich nie ma na OrcaRouter i warto powiedzieć to wprost: Ming-3.0-TTS to samodzielnie hostowane otwarte wagi, bez hostowanego punktu końcowego, który można by routować, a GPT-Live-1 udostępnia pojedynczy punkt końcowy sesji, którego nie obsługujemy. To, co routujemy, to model rozumowania stojący za chińskojęzycznym agentem głosowym — modele Qwen3.8 Max, GLM-5.3, Kimi K3 i Gemini stoją za jednym kluczem z automatycznym przełączaniem awaryjnym, w cenach listowych dostawcy przekazywanych z 0% marży.

W przypadku wdrożenia dwujęzycznego ma to większe znaczenie, niż może się wydawać. Wybór TTS zwykle podejmuje się raz, na podstawie pokrycia językowego; stojący za nim model rozumowania bywa podmieniany w miarę zmian cen i pojawiania się nowych checkpointów w języku chińskim. Utrzymanie tego ogniwa jako routowalnego to najtańsza forma future-proofingu w stacku.

Na którym budować?

Buduj na Ming-3.0-TTS, jeśli produkt mówi po chińsku lub obsługuje wiele rynków azjatyckich i europejskich, jeśli kontrolujesz GPU i jeśli dane wyjściowe są oparte na skrypcie, a nie konwersacyjne. Licencja MIT to prawdziwy atut strategiczny: nie można jej odwołać, zmienić ceny ani ograniczyć limitem, a wariant 0.5B sprawia, że próg wypróbowania go to mniej więcej jedno popołudnie.

Oprzyj się na GPT-Live-1, jeśli produktem jest rozmowa po angielsku, a poprzeczką jakości jest „czy to brzmi jak człowiek w telefonie”. Będziesz płacić 0,05 USD za minutę na zawsze i nie będziesz niczego posiadać, a otrzymasz jedną zdolność, której środowisko otwartych wag nie dostarczyło w tej jakości: model, który słucha, gdy mówi.

Nie buduj na żadnym z nich tylko dlatego, że ranking tak mówi. Ming 1187 i Live 83,2 to dwa różne instrumenty wycelowane w dwa różne zadania, a jedyne porównanie, które przetrwa zetknięcie z rzeczywistym wdrożeniem, to takie, które przeprowadzisz na własnym materiale audio.