Ming-3.0-tts-0.5B so với Simba-3.2: Khi trọng số miễn phí tốn kém hơn $6.58

Lời chào mời dành cho trọng số mở là chúng miễn phí. Bài toán chi phí hiếm khi trụ được đến hóa đơn GPU đầu tiên. Ming-3.0-tts-0.5B là checkpoint giọng nói được cấp phép MIT của Ant Group, có thể tải xuống ở mức 2,96 GB và chạy trên phần cứng của riêng bạn. Simba-3.2 là giọng nói được lưu trữ trên máy chủ của SpeechifyAI, được niêm yết ở mức 6,58 USD cho mỗi triệu ký tự — mô hình rẻ nhất trong top 10 của đấu trường giọng nói Artificial Analysis. Với tốc độ tạo đo được của đấu trường là 42,1 ký tự mỗi giây, việc tạo một triệu ký tự bằng Ming mất khoảng 6,6 giờ trên một GPU. Nếu GPU đó tốn hơn khoảng một đô la một giờ, mô hình “miễn phí” lại là mô hình đắt hơn trong hai mô hình. Những lỗi AI và sự cố tác nhân được ghi nhận đằng sau các bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive trong đó mỗi mục có nguồn, mức độ nghiêm trọng, mức xếp hạng độ tin cậy và cờ tranh chấp riêng.

Đó là toàn bộ cuộc đối đầu gói trong một dòng, nhưng đó không phải là toàn bộ câu chuyện, bởi vì hai mô hình không cạnh tranh cho cùng một công việc. Phần còn lại của bài viết này nói về nơi phép tính còn đúng, nơi nó đổ vỡ, và một bảng xếp hạng duy nhất mà trên đó điểm số của chúng không thể phân biệt được về mặt thống kê.

Hai sản phẩm rất khác nhau

Ming-3.0-tts-0.5B xuất hiện mà không có thông báo nào. inclusionAI của Ant Group đã công bố trọng số lên Hugging Face vào tháng 9 năm 2026 và mã suy luận lên GitHub vào ngày 19 tháng 10 năm 2026, theo giấy phép MIT. Đây là một mô hình dense trên backbone Qwen2.5-0.5B với đầu diffusion-transformer, bộ token hóa âm thanh và bộ mã hóa người nói đi kèm, đầu ra 44.1 kHz, bảy ngôn ngữ, tiếng Tứ Xuyên và tiếng Quảng Đông, 14 thẻ cận ngôn ngữ nội tuyến, nhân bản giọng nói từ một đoạn clip ngắn và thiết kế giọng nói từ mô tả văn bản. Không có endpoint được lưu trữ và không có giá, vì chẳng có gì để định giá.

Simba-3.2 là mô hình tổng hợp được lưu trữ của SpeechifyAI, ra mắt ngày 1 tháng 7 năm 2026, không có trọng số mở và không có tùy chọn cục bộ. Đây là sản phẩm kế nhiệm Simba 3.0, được phát hành ngày 19 tháng 2 năm 2026 với mức giá y hệt $6.58 — cải thiện 117 Elo mà không tăng giá, điều đáng lưu ý vì nó cho thấy nhà cung cấp này cạnh tranh như thế nào. SpeechifyAI không công bố số lượng ngôn ngữ cho Simba-3.2 mà chúng tôi có thể xác minh, vì vậy hãy coi phạm vi đa ngôn ngữ là chưa được xác nhận thay vì giả định nó khớp với mô hình ở trên hoặc ở dưới trong so sánh này.

Khác biệt thực tế về hình thức: một bên là artefact bạn vận hành, bên kia là dịch vụ bạn gọi đến. Mọi so sánh dưới đây đều là hệ quả của điều đó.

Các hội đồng không thống nhất với nhau, và chính sự bất đồng đó là câu chuyện.

Artificial Analysis chấm điểm các mô hình giọng nói theo hai cách, và hai cách này cho ra kết quả khác nhau ở đây.

• Giọng của nhà cung cấp, mỗi mô hình sử dụng giọng bản địa riêng — Simba-3.2 Elo 1,247 (khoảng tin cậy 95% 1,234–1,260) ở hạng 9/98; Ming-3.0-tts-0.5B Elo 1,188 (1,173–1,203) ở hạng 19. Chênh lệch 59 điểm, không chồng lấn.

• Controlled Voice, mọi mô hình đều nhân bản cùng tám giọng tham chiếu — Simba-3.2 Elo 1,087 (1,074–1,100) ở hạng 10; Ming-3.0-tts-0.5B Elo 1,069 (1,053–1,085) ở hạng 14. Khoảng cách 18 điểm với các khoảng chồng lấn trong đoạn 1,074–1,085.

Dòng thứ hai đó là phép đo hữu ích nhất mà bất kỳ ai đã công bố về một trong hai mô hình. Nếu giữ nguyên giọng nói, khác biệt giữa chúng không được phân định về mặt thống kê. Theo bằng chứng này, giọng được nhân bản của Ming gần như tốt ngang giọng của Simba. Điều tách biệt họ trên bảng nhà cung cấp là dàn giọng nói mà mỗi nhà cung cấp phát hành: giọng nói gốc của SpeechifyAI đạt điểm cao, còn của Ant — hơn 100 giọng tiếng Trung và năm giọng tiếng Anh — thì không, điều này nhất quán với việc chính thẻ mô hình thừa nhận rằng độ tương đồng người nói kém hơn độ chính xác nội dung.

Điểm số giọng nói có kiểm soát của Ming cũng giúp nó đứng đầu trong số các mô hình trọng số mở trên bảng xếp hạng đó, trên Fish Audio Drama 3 Preview ở mức 1.059 và Breeze TTS 2 ở mức 1.019. Vì vậy, mô tả chính xác không phải là "Simba nghe hay hơn." Mà là "giọng mặc định của Simba nghe hay hơn; các engine rất sát nhau, và hướng cloning đủ gần đến mức các khoảng chạm nhau."

Điểm hòa vốn, được tính một cách trung thực

Đấu trường đo Ming đạt 42,09 ký tự mỗi giây thời gian tạo và Simba-3.2 đạt 77,80, cả hai trên cùng một giàn thử nghiệm độc lập, mỗi lần một yêu cầu. Điều đó khiến việc so sánh trở nên dễ dàng một cách lạ thường.

• Một triệu ký tự trên Simba-3.2 — $6,58, do SpeechifyAI tính phí, không cần cơ sở hạ tầng.

• Một triệu ký tự trên Ming với tốc độ 42,09 ký tự mỗi giây — 23.758 giây tạo, tức khoảng 6,6 giờ.

• Giá GPU hòa vốn — $6.58 chia cho 6.6 giờ xấp xỉ $1.00 mỗi giờ GPU tạo sinh.

Giờ đến phần lưu ý, vì con số này rất dễ bị lạm dụng. Bản phát hành của Ming đã được thử nghiệm trên H800-80GB và H20-96G và cần PyTorch 2.6 với CUDA 12.4; đây không phải những GPU tính tiền theo giờ đô-la, và phần cứng harness của arena không được công bố. Con số 6,6 giờ chưa tính thời gian tải mô hình, các lần sinh thất bại, thời gian xếp hàng và số giờ kỹ sư để ghim môi trường và làm cho việc chuẩn hóa văn bản hoạt động. Cộng thêm những khoản đó thì mức chi phí thực tế sẽ tăng lên. Nếu bạn đã có sẵn công suất nhàn rỗi, chi phí biên gần như bằng không và bài toán sẽ đảo ngược hoàn toàn theo hướng có lợi cho Ming; nếu bạn thuê theo giờ chỉ cho khối lượng công việc này, Simba rẻ hơn ở gần như mọi mức giá GPU đám mây hiện tại.

Cách nhìn trung thực cho một cuộc trao đổi về tài chính là $6.58 của Simba là mức trần mà bạn có thể dựa vào để lập ngân sách, còn chi phí của Ming là mức sàn — càng có nhiều thứ trục trặc thì nó càng tăng.

Những gì tiền không mua được

Giá cả là điểm mà mô hình được lưu trữ (hosted) chiếm ưu thế. Năng lực là điểm mà mô hình mở yếu hơn, và những khác biệt rất cụ thể.

• Thiết kế giọng nói — Ming tạo ra giọng nói từ mô tả bằng ngôn ngữ tự nhiên mà không cần âm thanh tham chiếu. Simba-3.2 không có tính năng tương đương nào mà chúng tôi có thể ghi nhận. Nếu sản phẩm của bạn cần một giọng nói chưa từng tồn tại, chỉ riêng điều này đã đủ để quyết định.

• Phương ngữ — Ming xử lý tiếng Tứ Xuyên và tiếng Quảng Đông khi có clip tham chiếu ở phương ngữ đó. SpeechifyAI không công bố danh sách phương ngữ cho Simba-3.2.

• Cận ngôn ngữ — Ming cung cấp 14 thẻ nội tuyến cho tiếng cười, tiếng thở dài, tiếng ho và sự ngập ngừng bằng tiếng Trung hoặc tiếng Anh. Từ vựng thẻ của Simba không được tài liệu hóa ở dạng mà chúng tôi có thể xác minh.

• Tính khả chuyển — trọng số MIT nghĩa là không thay đổi giá, không có thông báo ngừng hỗ trợ, không có sự cố ngừng dịch vụ từ nhà cung cấp. Chúng cũng đồng nghĩa với việc không có hỗ trợ, không có SLA và không có ai để liên hệ.

• Rủi ro vận hành — Simba được host, đó là một tính năng cho đến khi nó trở thành sự cố; Ming không được host, đó là một tính năng cho đến khi người thiết lập môi trường rời đi.

Thẻ mô hình đáng đọc chỉ riêng vì phần hạn chế, bởi chúng thẳng thắn một cách bất thường: các câu cận ngôn ngữ đa sự kiện không ổn định, khả năng điều khiển cảm xúc suy giảm khi lời nói không mang tín hiệu cảm xúc, tiếng Pháp là ngôn ngữ có độ tương đồng yếu nhất, và thiết kế giọng nói mở không sánh được với hệ thống mạnh nhất mà nó được đánh giá so sánh. Đó chính xác là những chế độ lỗi mà bản demo không thể hiện và một pipeline sản xuất phát hiện vào tuần thứ ba.

Lớp định tuyến phù hợp ở đâu và không phù hợp ở đâu

OrcaRouter không lưu trữ Ming-3.0-tts-0.5B hay Simba-3.2, và bài viết này không khẳng định điều ngược lại — Ming chạy trên phần cứng của bạn, Simba chạy qua API của SpeechifyAI. Điểm mà một khóa duy nhất thực sự giúp ích là ở xung quanh giọng nói chứ không phải trong chính giọng nói: mô hình văn bản viết kịch bản, mở rộng chữ viết tắt hoặc gắn thẻ cảm xúc là phần của pipeline xử lý giọng nói thay đổi thường xuyên nhất, và chúng tôi định tuyến hơn 200 mô hình trong số đó theo giá niêm yết của nhà cung cấp mà không cộng thêm phụ phí. Khi một nhà cung cấp giảm giá, mức giảm đó có hiệu lực ngay ở phía chúng tôi trong cùng ngày, vì chúng tôi chuyển thẳng giá niêm yết chứ không định giá lại. Chuyển đổi dự phòng tự động sau đó giữ cho nửa tạo kịch bản của pipeline hoạt động trong khi bạn quyết định xem nửa giọng nói nên là một bản tải xuống hay một hóa đơn.

Đó là một tuyên bố hẹp hơn so với “một API cho mọi thứ”, và đó là tuyên bố duy nhất còn đứng vững khi người đọc kiểm tra danh mục.

Phán quyết, phân theo khối lượng công việc

Chọn Simba-3.2 nếu giọng nói là một thành phần của sản phẩm chứ không phải chính sản phẩm; nếu bạn muốn một giọng bản xứ nghe đã hoàn thiện mà không cần thử giọng cả một dàn; nếu khối lượng của bạn đủ khiêm tốn để $6.58 mỗi triệu ký tự tan biến vào bài toán kinh tế đơn vị; hoặc nếu bạn không có ai muốn tự quản lý một môi trường CUDA. Phần chồng lấn của giọng nói được kiểm soát là sự đảm bảo rằng bạn không phải trả giá bằng chất lượng quá lớn để đổi lấy sự tiện lợi.

Chọn Ming-3.0-tts-0.5B nếu bạn cần một giọng nói không tồn tại trong danh mục của bất kỳ ai, nếu đối tượng của bạn ưu tiên tiếng Trung và độ phủ phương ngữ là quan trọng, nếu khối lượng của bạn đủ lớn và GPU của bạn đủ nhàn rỗi để việc tính phí theo ký tự là lựa chọn đắt đỏ, hoặc nếu các điều khoản giấy phép và nơi lưu trữ dữ liệu là không thể thương lượng. Hãy biết rằng bạn đang áp dụng một bản phát hành nghiên cứu chưa được công bố, không có cam kết hỗ trợ và có danh sách điểm yếu được ghi lại, chứ không phải một sản phẩm.

Và nếu bạn thực sự không chắc, thử nghiệm rẻ nhất là chạy cả hai trên một trăm câu văn bản của chính bạn với cùng tám giọng tham chiếu và nghe mù. Đó đại khái là quy trình mà bảng xếp hạng giọng nói được kiểm soát sử dụng, chỉ tốn một buổi chiều, và theo bằng chứng đã công bố, kết quả đủ sát nhau đến mức nội dung của bạn — chứ không phải bảng xếp hạng — sẽ quyết định điều đó.