Ming-3.0-tts-tiny vs Qwen-Audio-3.0-TTS: Một bên có bảng giá, bên kia có kho lưu trữ

Phép so sánh mà ai cũng muốn là hai điểm số đặt cạnh nhau, và hôm nay không thể thực hiện một cách trung thực được. Ming-3.0-tts-tiny là một checkpoint giọng nói mixture-of-experts 7,9 tỷ tham số từ inclusionAI của Ant Group, được phát hành dưới dạng trọng số theo MIT mà không có endpoint được lưu trữ và không có đánh giá độc lập. Qwen-Audio-3.0-TTS là một endpoint tổng hợp được lưu trữ trên Alibaba Cloud Model Studio, ra mắt ngày 20 tháng 7 năm 2026, được bán theo gói Flash và gói Plus, không có trọng số ở bất kỳ đâu và không có bảng tỷ lệ lỗi được công bố. Một bên có vị trí trên bảng xếp hạng và một mức giá. Bên kia có một pipeline có thể tải xuống và một bộ benchmark của nhà cung cấp. Công việc hữu ích ở đây không phải là chọn ra người thắng cuộc từ hai hiện vật đó; mà là xác định những con số nào có thể được đặt cạnh nhau, và những con số nào thì không. Những thất bại AI và sự cố tác nhân được ghi nhận đằng sau các bản phát hành như thế này được tập hợp trong Kho lưu trữ sự cố AI OrcaRouter nơi mỗi mục đều mang nguồn, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp riêng.

Các mốc ngày rất quan trọng, vì cả hai sản phẩm đều không xuất hiện theo cách mà một bài đăng ra mắt thường gợi ý. Kho Hugging Face của Ming-3.0-tts-tiny được tạo vào ngày 22 tháng 9 năm 2026 và bản checkpoint được tải lên vào ngày 24 tháng 9. Trong ba tuần rưỡi, nó chỉ là một thư mục trọng số không có cách nào chạy: mã suy luận, các ví dụ một cú nhấp và sổ tay tác vụ chỉ xuất hiện trên GitHub vào ngày 19 tháng 10 lúc 08:58 UTC, trong chín commit trải khắp một buổi chiều duy nhất. Ant chưa công bố nó, không có bài blog, không có video model card và không có báo cáo kỹ thuật. Ngược lại, Qwen-Audio-3.0-TTS đã có một màn ra mắt thực sự và vẫn nằm trong bảng giá của Alibaba — và hạng quan trọng về chất lượng, Plus, vẫn đứng đầu thang tổng hợp của Alibaba ngay cả sau khi thế hệ 3.1 xuất hiện vào tháng 9.

Dòng trên bảng xếp hạng là checkpoint sai, và kho lưu trữ không nói rõ điều đó.

Hãy bắt đầu từ đây, vì đây chính là sai lầm mà làn sóng bài đăng so sánh đầu tiên sẽ mắc phải. Artificial Analysis duy trì hai bảng xếp hạng giọng nói và cả hai đều có một mô hình có tên Ming-3.0-tts. Tính đến ngày 19 tháng 10, mô hình này đạt 1.188 Elo trên bảng Provider Voice và 1.069 trên bảng Controlled Voice.

Mục đó là mô hình 0.5B, không phải mô hình này. Ming-3.0-tts-tiny hoàn toàn không có dòng nào trên arena — không nằm trong mục được xếp hạng, cũng không nằm trong mục chưa xếp hạng, cũng không phải mục xem trước. README trên GitHub tái hiện các con số 1.188 và 1.069 trong phần kết quả mà không phân biệt checkpoint nào đã tạo ra chúng, và đó chính xác là cách một con số bị gán nhãn sai sau hai lần đăng lại.

Vậy khi bạn thấy “Ming-3.0-tts 1,188 vs Qwen-Audio-3.0-TTS-Plus 1,266”, thứ thực sự được so sánh là mô hình dense nửa tỷ tham số của Ant với gói dịch vụ hosted lớn nhất của Alibaba, trong khi mô hình nằm trong tiêu đề bài viết này vắng mặt trên bảng xếp hạng. Khoảng cách 78 điểm là thật đối với mô hình 0,5B. Nó không nói lên điều gì về MoE nhỏ, theo cả hai hướng. Mô hình nhỏ có thể tốt hơn; chưa ai đưa nó vào trước một hội đồng đánh giá sở thích.

Sự vắng mặt không phải là điểm thấp. Đó là một mô hình không được chấm điểm, và sự khác biệt này chính là lý do toàn bộ phần này tồn tại.

Mỗi bên thực sự là gì

Gạt bỏ phần tiếp thị, hai đối tượng khác nhau về loại trước khi khác nhau về chất lượng.

• Hình thức — Ming-3.0-tts-tiny là một checkpoint bạn tải về: khoảng 18 GB, 8,980,964,372 tham số ở BF16 cộng thêm 40,096 ở F32, chứa xương sống Ling V3, một head diffusion-transformer, một tokenizer âm thanh, một bộ mã hóa người nói CAM++ và tokenizer văn bản. Qwen-Audio-3.0-TTS là một endpoint HTTP trả về âm thanh; không có gì để tải xuống và không có giấy phép nào để kiểm tra.

• Tham số — tổng cộng 7,9B với khoảng 1,3B hoạt động trên mỗi token, một hỗn hợp chuyên gia thưa, so với một mô hình được lưu trữ mà A​libaba không công bố số lượng tham số.

• Giấy phép — MIT cho cả trọng số và mã, kèm ghi chú sử dụng yêu cầu không mạo danh người khác khi chưa có sự đồng ý và phải gắn nhãn âm thanh tổng hợp. Về phía dịch vụ lưu trữ, áp dụng điều khoản API thương mại.

• Ngôn ngữ — tiếng Trung, tiếng Anh, tiếng Đức, tiếng Tây Ban Nha, tiếng Pháp, tiếng Hàn và tiếng Nhật, cùng với tiếng Tứ Xuyên và tiếng Quảng Đông khi được cung cấp một đoạn clip tham chiếu phương ngữ. Qwen-Audio-3.0-TTS liệt kê 16 ngôn ngữ và 20 vùng phương ngữ Trung Quốc.

• Bề mặt điều khiển — nhân bản giọng nói zero-shot, thiết kế giọng nói từ mô tả, hướng dẫn phong cách dạng tự do, 14 thẻ cận ngôn ngữ nội tuyến, cảm xúc rõ ràng, cài đặt tốc độ, cao độ và âm lượng, cùng tác vụ podcast nhiều người nói. Qwen-Audio-3.0-TTS cung cấp tính năng nhân bản cùng khoảng 86 thẻ cách thể hiện nội tuyến và điều khiển theo kiểu hướng dẫn.

Giá — không có mức giá niêm yết nào ở phía Ming-3.0-tts-tiny; bạn trả tiền cho thời gian GPU. Qwen-Audio-3.0-TTS-Plus có giá ¥1,4 cho mỗi 10.000 ký tự trên bảng giá Bắc Kinh của Alibaba, mà Artificial Analysis quy đổi chuẩn hóa thành $19,31 cho mỗi triệu ký tự.

• Điểm độc lập — không có cho Ming-3.0-tts-tiny. 1,266 Elo trên Provider Voice và 1,126 trên Controlled Voice cho Qwen-Audio-3.0-TTS-Plus, cả hai đều có khoảng tin cậy không chạm tới 1,188 và 1,069 của hàng Ming-3.0-tts.

Hai loại bằng chứng không thể quy đổi thành nhau

Đấu trường đo lường sự ưa thích. Các bảng của Ant đo lỗi và độ tương đồng. Không cái nào chuyển hóa thành cái kia, và cần cưỡng lại cám dỗ coi khoảng cách Elo như một hệ số nhân chất lượng.

Điều Qwen-Audio-3.0-TTS mang đến cho bạn là đánh giá tương đối của đám đông về các giọng nói bản ngữ của nó, kèm theo số lượng mẫu và khoảng tin cậy đằng sau. Điều Ant mang đến cho bạn là phép đo của một phòng thí nghiệm đối với mô hình của chính họ trên một bộ kiểm thử cố định, với khung kiểm thử, các clip tham chiếu và mã tính điểm đều do chính đội ngũ đã xây dựng mô hình lựa chọn. Cả hai đều chính đáng. Không cái nào thay thế được cái kia, và chỉ một trong số đó tồn tại cho mô hình trong tiêu đề của bài viết này.

Bộ công cụ của Ant rất rộng, và đáng để biết nó gồm những gì trước khi bạn gạt nó sang một bên. Trên tập Seed-TTS tiếng Trung, mô hình nhỏ đạt 0.820% lỗi từ với độ tương đồng người nói 0.781 — con số tương đồng tốt nhất ở bất kỳ đâu trong các bảng đã công bố của Ant, kể cả 0.758 của mô hình anh em 0.5B của chính nó. Tiếng Anh đạt 1.666% ở 0.728. Tiếng Đức đạt 0.325% lỗi ký tự và tiếng Tây Ban Nha đạt 0.971%, cả hai đều đứng đầu trong so sánh tám hệ thống của Ant. Tiếng Nhật là 3.427%, tiếng Pháp là 3.470%. Trên bài kiểm tra cận ngôn ngữ một sự kiện của NVBench, nó dẫn đầu cả sáu hạng mục, với 17.23 PCER ở tiếng Trung và 32.95 ở tiếng Anh. Các bộ kiểm tra phương ngữ đạt 86.09% độ chính xác trên WSC-Eval-TTS easy và 92.90 trên WSYue base, bộ cảm xúc đạt trung bình 74.00% trên CV3, và thiết kế giọng đạt 75.37% trên InstructTTSEval-ZH. Tất cả đều là bộ khung kiểm thử của chính Ant, do Ant chạy, do Ant báo cáo, và không ai tái lập được.

Tóm tắt một cách trung thực là Qwen-Audio-3.0-TTS đã được những người xa lạ đánh giá, còn Ant đã được chính tác giả của nó đánh giá. Đó không phải là lời chê bai dành cho bên nào; đó là một phát biểu về việc hai con số đó thực chất là gì.

Cuộc so sánh đối đầu duy nhất mà Ant công bố lại là so với chính nó.

Trong bộ kiểm thử đó, có một kết quả hành xử như một phép so sánh thực sự, bởi vì đối thủ là mô hình 0.5B của chính Ant và mức chênh lệch đủ lớn để vẫn giữ nguyên khi chuyển sang một harness khác.

Đối với tiếng Hàn, Ming-3.0-tts-tiny đạt tỷ lệ lỗi ký tự 6.000%. Mô hình 0.5B đạt 1.728%. Cùng một nhóm, cùng một bộ kiểm thử, cùng một ngày báo cáo — hệ số khoảng ba lần rưỡi, theo hướng không ai kỳ vọng từ mô hình lớn hơn. Thẻ mô hình không giải thích điều đó, và phần hạn chế liệt kê tiếng Hàn trong số các điểm yếu đã biết mà không đưa ra cơ chế.

Một lời giải thích mang tính cấu trúc là có sẵn và nên được gắn nhãn là giả thuyết thay vì phát hiện: các mô hình thưa định tuyến từng token qua một tập con các chuyên gia, nên một ngôn ngữ nhận được ít tín hiệu huấn luyện hơn bên trong hỗn hợp có thể suy giảm nhanh hơn so với khi ở trong một mô hình dày đặc có tổng kích thước tương đương. Điều đó là hợp lý. Nó chưa được đo lường. Điều có thể bảo vệ được là kết luận vận hành, vốn hẹp hơn: nếu tiếng Hàn có trong sản phẩm của bạn, thì checkpoint này không phải là thứ để chọn dùng cho tới khi ai đó chạy nó trên văn bản tiếng Hàn thực tế và công bố kết quả.

Qwen-Audio-3.0-TTS bao phủ tiếng Hàn trong số 16 ngôn ngữ của mình, và Alibaba không công bố tỷ lệ lỗi theo từng ngôn ngữ để đối chiếu với 6.000% của Ant. Vì vậy, ngay cả điểm yếu cũng không thể được chuyển thành một phép so sánh. Nó chỉ có thể được hiểu như một lời cảnh báo.

Một triệu ký tự, tính giá hai lần

Đây là lúc hai sản phẩm không còn là những khái niệm trừu tượng nữa.

Qwen-Audio-3.0-TTS tính phí theo từng ký tự. Với mức giá chuẩn hóa của arena là $19.31 trên một triệu ký tự, một triệu ký tự lời thuyết minh hoàn chỉnh tốn $19.31, và một trăm triệu ký tự tốn $1,931. Con số này là tuyến tính, có thể dự đoán trước và có sẵn trước khi bạn viết bất kỳ dòng mã nào. Thông lượng trên cùng một bộ khung kiểm thử độc lập là 25.61 ký tự mỗi giây thời gian tạo, đây là vấn đề về khả năng đồng thời chứ không phải vấn đề tính phí ở quy mô của API.

{{1}}Ming-3.0-tts-tiny{{/1}} tính hóa đơn bằng giờ GPU, và phép tính có một lỗ hổng ở giữa. Mô hình anh em 0.5B được đo ở 42,1 ký tự mỗi giây; mô hình tiny hoàn toàn không được đo. Bạn không thể mượn thông lượng của mô hình anh em nó, vì mô hình tiny kích hoạt khoảng hai lần rưỡi số tham số mỗi token và chiếm khoảng 18 GB thay vì 2,96 GB. Card được Ant khuyến nghị là H800, và môi trường được ghim — Python 3.10.15, torch và torchaudio 2.7.1 với CUDA 11.8, transformers 4.46.3 — là tuyên bố hiệu năng duy nhất trong bản phát hành.

Vậy hãy tính toán một cách công khai thay vì giả vờ rằng mọi chuyện đã ngã ngũ. Ở tốc độ 20 ký tự mỗi giây, một triệu ký tự tương đương khoảng 14 giờ tạo; ở tốc độ 10 ký tự mỗi giây thì khoảng 28 giờ. Hãy nhân số giờ đó với chi phí GPU-giờ của riêng bạn, cộng thêm thời gian tải mô hình, xếp hàng và thử lại, rồi so sánh với $19.31. Dưới vài triệu ký tự mỗi tháng, mức giá dịch vụ host thường thắng về tổng chi phí khi đã tính thời gian của con người vào con số. Trên ngưỡng đó, trên phần cứng bạn đã sở hữu và duy trì hoạt động liên tục, chi phí biên mỗi giờ của checkpoint bằng với giờ đầu tiên — đó chính là lợi thế cấu trúc mà không bảng giá nào có thể sánh được.

Một điều mà việc so sánh giá không nên che giấu: hai mô hình không phải là cùng một sản phẩm ở bất kỳ mức giá nào. Gói Plus của Qwen-Audio-3.0-TTS là một danh mục giọng nói hoàn chỉnh với 16 ngôn ngữ; Ming-3.0-tts-tiny là một quy trình bạn tự vận hành, chất lượng đầu ra do chính bạn đo lường.

Câu hỏi về cấp bậc mà A​libaba chưa giải quyết

Bất kỳ ai hôm nay chọn Qwen-Audio-3.0-TTS đều đang chọn trong một dòng sản phẩm đã dịch chuyển ngay bên dưới nó. Dòng Qwen-Audio-3.1 được công bố vào ngày 23 tháng 9 năm 2026, và Artificial Analysis liệt kê một Qwen-Audio-3.1-TTS-Plus đạt 1.300 Elo trên bảng Provider Voice và 1.186 trên bảng Controlled — cao hơn bản 3.0 Plus trên cả hai bảng, có ghi ngày 24 tháng 9, với cùng mức giá 19,31 đô la Mỹ trên một triệu ký tự.

Nhưng bảng giá công khai của A​libaba chỉ liệt kê một SKU Flash cho 3.1 T​TS, vì vậy việc tier 3.1 Plus có thể gọi được hay không trong hôm nay là câu hỏi dành cho console của chính nhà cung cấp, chứ không phải điều để suy ra từ bảng xếp hạng. Dù thế nào, cách hiểu thực tế vẫn như nhau: tier 3.0 Plus không lỗi thời, nhưng nó không còn là thứ mới nhất mà A​libaba đã chấm điểm, và người mua nên xác nhận họ thực sự đang ký SKU nào trước khi so sánh giá của nó với bất cứ thứ gì.

Đối với Ming-3.0-tts-tiny, hoàn toàn không có câu hỏi nào về phân hạng — chỉ có một checkpoint, không có lộ trình kèm ngày tháng, và một ghi chú hỗ trợ vLLM-Omni xuất hiện trong tài liệu cùng ngày với mã nguồn.

Những gì các kho lưu trữ không thiết lập

Có bốn khoảng trống đáng được nêu rõ trước khi bất kỳ ai lập kế hoạch dựa trên mô hình này.

• Không có điểm số độc lập — không có hàng nào trên bảng đấu trường, không có tỷ lệ lỗi từ từ bên thứ ba, không có thông lượng được đo. Hàng trông giống của Ming-3.0-tts-tiny thực chất thuộc về bản 0.5B.

• Không có báo cáo kỹ thuật — lộ trình liệt kê mục này ở trạng thái chưa đánh dấu, và thẻ mô hình đã được chỉnh sửa vào ngày 16 tháng 10 để xóa phần tham chiếu đến một báo cáo như vậy.

• Không có endpoint được lưu trữ — không có API của chính nhà cung cấp và không có giá, vì vậy con đường duy nhất để đưa vào sản xuất là hạ tầng của chính bạn.

• Không có công thức fine-tuning — kho lưu trữ chỉ ghi lại các tác vụ suy luận, không phải huấn luyện. Việc LoRA hay fine-tuning toàn phần trên checkpoint này không được tài liệu hóa, đây là tình huống khác với một mô hình đi kèm sẵn các script huấn luyện.

Tại thời điểm ghi nhận, kho Hugging Face hiển thị 20 lượt tải xuống và 3 lượt thích, còn kho GitHub thì có vài ngôi sao và không có bản phát hành nào. Đó không phải bằng chứng cho bất cứ điều gì ngoài việc bản phát hành diễn ra lặng lẽ, và đây là tuyên bố duy nhất mà bài viết này dám chắc.

So sánh này có giá trị gì trong thực tế

Nếu bạn cần một giọng nói trong môi trường production trong tháng này, ở nhiều hơn một vài ngôn ngữ, với việc người khác gánh vác thời gian hoạt động, thì Qwen-Audio-3.0-TTS-Plus là lựa chọn có thể biện minh: nó được đánh giá, định giá, có tài liệu và được hỗ trợ, và mức 1.266 Elo là được đo lường chứ không phải chỉ khẳng định.

Nếu bạn cần sở hữu mô hình — nhân bản những giọng nói mà bạn không thể gửi cho bên thứ ba, tạo sinh ở mức khối lượng mà việc tính phí theo từng ký tự chiếm ưu thế, phân phối theo giấy phép cho phép tái phân phối — thì Ming-3.0-tts-tiny là mô hình duy nhất trong hai mô hình có thể thuộc về bạn. Đổi lại, hãy chấp nhận rằng bạn sẽ là bên đầu tiên đánh giá hiệu năng của nó, rằng tiếng Hàn là điểm yếu đã được biết đến mà chính nhà cung cấp của nó công bố, và rằng pipeline mới chỉ một tuần tuổi.

OrcaRouter không định tuyến bất kỳ mô hình nào trong hai mô hình đó, và không nội dung nào ở đây nên được hiểu là ngụ ý điều ngược lại; giọng nói được truy cập qua kênh riêng của từng nhà cung cấp, còn checkpoint Ming-3.0-tts-tiny thì qua phần cứng của chính bạn. Thứ chúng tôi định tuyến là nửa phần văn bản của cùng quy trình — hơn 200 mô hình chỉ với một khóa, theo giá niêm yết của nhà cung cấp mà không cộng thêm phụ phí, vì vậy khi nhà cung cấp văn bản thay đổi giá thì giá của bạn cũng thay đổi ngay trong ngày. Đối với một sản phẩm giọng nói, kịch bản, chỉ dẫn kiểu SSML và tác nhân quyết định nói gì đều là văn bản, và đó chính là phần mà hợp đồng với nhà cung cấp thứ hai chẳng mang lại cho bạn điều gì.

Con số có thể giải quyết được chuyện này vẫn chưa tồn tại. Đó không phải là điểm Elo; đó là một buổi chiều trên một chiếc H800 chạy checkpoint nhỏ bé đối chiếu với đúng những clip tham chiếu mà Ant đã dùng, với kết quả được công bố cùng bộ khung kiểm thử. Cho đến khi ai đó làm được điều đó, lập trường trung thực chính là lập trường mà bài viết này đã đưa ra: hai sản phẩm đáng tin cậy, một cái đã được chấm điểm và một cái chưa, và một sự so sánh phải được thực hiện dựa trên quyền sở hữu, cấu trúc giá và rủi ro ngôn ngữ thay vì dựa trên chất lượng.