Ming-3.0-tts-tiny vs VoxCPM2: Hai checkpoint, một trong số đó công bố tốc độ của mình

Đây là so sánh duy nhất trong loạt Ming-3.0-tts-tiny mà cả hai bên thực sự có thể chạy được, và điều đó thay đổi điều mà cuộc tranh luận xoay quanh. Ming-3.0-tts-tiny, từ inclusionAI của Ant Group, là một hỗn hợp chuyên gia 7,9 tỷ tham số, kích hoạt khoảng 1,3 tỷ mỗi token, giấy phép MIT, khoảng 18 GB trên đĩa, với H800 được nêu là card được khuyến nghị. VoxCPM2, từ OpenBMB, là một mô hình không dùng tokenizer 2 tỷ tham số trên nền MiniCPM-4, Apache 2.0, khoảng 8 GB ở bfloat16, phát hành vào tháng 4 năm 2026. Cả hai đều không có dòng trên bảng xếp hạng. Cả hai đều không có giá dịch vụ lưu trữ. Khi cả hai mô hình đều có thể tải xuống và đều chưa được chấm điểm, so sánh không còn là về sở thích mà trở thành về số học: số giờ âm thanh trên mỗi giờ GPU, bộ nhớ trên mỗi tiến trình, và liệu bạn có thể tinh chỉnh thứ đó mà không phải tự viết mã huấn luyện hay không. Những sự cố AI và sự cố tác nhân được ghi chép lại đằng sau các bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive nơi mỗi mục đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Lịch sử phát hành đáng được nói rõ vì chúng giải thích khoảng cách về độ trưởng thành. VoxCPM2 đã công khai từ tháng Tư, tích lũy khoảng 847.000 lượt tải xuống trong tháng qua và cung cấp các script huấn luyện song hành cùng phần suy luận. Kho lưu trữ của Ming-3.0-tts-tiny được tạo vào ngày 22 tháng 9 năm 2026, các trọng số được đưa lên vào ngày 24 tháng 9, và mã để chạy chúng chưa hề tồn tại công khai cho đến ngày 19 tháng 10 lúc 08:58 UTC, khi chín commit xuất hiện trong một buổi chiều. Ant chưa công bố mô hình. Không có báo cáo kỹ thuật nào; lộ trình liệt kê nó như một ô chưa được đánh dấu, và thẻ mô hình đã được chỉnh sửa vào ngày 16 tháng 10 đặc biệt để xóa một tham chiếu đến một báo cáo như vậy. Vậy nên một trong hai là dự án đã năm tháng tuổi với một cơ sở người dùng, còn cái kia là một pipeline mà, tính đến thời điểm viết bài, mới một tuần tuổi.

Cái thứ nhất trong số chúng xuất bản còn cái kia thì không.

Thẻ của VoxCPM2 ghi hệ số thời gian thực khoảng 0,30 trong PyTorch tiêu chuẩn trên RTX 4090, giảm xuống khoảng 0,13 khi chạy dưới Nano-VLLM. Hệ số thời gian thực là số giây tính toán cho mỗi giây âm thanh, nên hai con số đó có nghĩa là một giờ GPU tạo ra khoảng 3,3 giờ giọng nói hoàn chỉnh trong trường hợp đầu và khoảng 7,7 trong trường hợp thứ hai.

Ming-3.0-tts-tiny không công bố bất kỳ thông lượng nào. Không phải hệ số thời gian thực, không phải ký tự mỗi giây, không có gì được đo trên card. Điều mà bản phát hành thực sự cung cấp là môi trường mà nó đã được kiểm chứng — Python 3.10.15, torch và torchaudio 2.7.1 với CUDA 11.8, transformers được ghim ở 4.46.3, một H800, và một script preflight kiểm tra bản cài đặt của bạn trước khi bạn lãng phí một lần chạy — cùng với kiến trúc: 8,980,964,372 tham số ở BF16, 40,096 ở F32, một ngăn xếp chuyên gia tổng cộng 7.9B với khoảng 1.3B hoạt động mỗi token.

Bạn không thể mượn thông lượng của mô hình anh em 0.5B để lấp khoảng trống. Mô hình đó được đo ở 42.1 ký tự mỗi giây trên một harness độc lập và chiếm 2.96 GB; mô hình nhỏ kích hoạt số tham số mỗi token nhiều hơn khoảng hai lần rưỡi và chiếm dung lượng đĩa gấp khoảng sáu lần. Định tuyến thưa giúp lấy lại một phần chi phí của tổng thể lớn hơn, đó chính là toàn bộ mục đích của kiến trúc, nhưng chưa ai bên ngoài Ant đưa ra con số về việc này là bao nhiêu.

Thực hiện tính toán chi phí với một lỗ hổng trong đó

Vì một bên công bố tốc độ của mình còn bên kia thì không, phiên bản trung thực của phép so sánh này là một khoảng chứ không phải một con số. Đây là hình dạng của nó.

• VoxCPM2 trên RTX 4090, PyTorch — 0,30 RTF, tức 3,3 giờ âm thanh mỗi giờ GPU. Một triệu ký tự lời dẫn, ở mức xấp xỉ 15 ký tự mỗi giây lời nói, tương đương khoảng 18,5 giờ âm thanh hoàn chỉnh, hay khoảng 5,6 giờ GPU.

• VoxCPM2 trên cùng card, Nano-VLLM — 0,13 RTF, tức 7,7 giờ mỗi GPU-giờ, hoặc khoảng 2,4 GPU-giờ cho cùng một triệu ký tự. Ngăn xếp phục vụ tăng hơn gấp đôi đầu ra mà không cần động đến trọng số.

• Ming-3.0-tts-tiny — không rõ. Ở mức giả định 20 ký tự mỗi giây, nó sẽ cần khoảng 14 giờ để tạo; ở mức 10 ký tự mỗi giây, khoảng 28. Cả hai con số đều không phải là kết quả đo và đều nên được coi là giá trị tạm thời cho đến khi có ai đó công bố một con số.

• Bộ nhớ — VoxCPM2 được công bố khoảng 8 GB ở bf16, vừa với một card tiêu dùng 24 GB và vẫn còn chỗ để batching. Ming-3.0-tts-tiny với 18 GB trọng số cộng thêm activation và bộ giải mã âm thanh đồng nghĩa rằng H800 80 GB là mục tiêu hợp lý, còn card 24 GB thì không.

• Giới hạn chuỗi — VoxCPM2 giới hạn ở 8.192 token, đây là một hạn chế thực sự đối với công việc dạng dài và đáng để kiểm tra với đoạn văn dài nhất của bạn trước khi bạn quyết định. Ming-3.0-tts-tiny không công bố giới hạn tương đương; hướng xử lý dạng dài của nó là tác vụ podcast, tác vụ này nhận một kịch bản thay vì một câu nói đơn lẻ.

Kết luận vẫn đứng vững dù còn thiếu con số là về mức sử dụng chứ không phải tốc độ. Một card để không sẽ thua mọi API được host ở bất kỳ mức giá nào, còn một card bạn đã sở hữu và giữ cho luôn bận sẽ thắng về chi phí biên dù bạn chạy cái nào trong hai cái này. Khoảng cách giữa 0.30 và 0.13 RTF là hệ số 2.3 về chi phí cho mỗi giờ âm thanh, lớn hơn mức hầu hết các nhóm mong đợi từ một thay đổi stack phục vụ và lớn hơn mức chênh lệch về số lượng tham số có thể gợi ý.

Tinh chỉnh là điểm mà hai thứ này không còn so sánh được với nhau nữa.

VoxCPM2 có tài liệu về cả tinh chỉnh có giám sát đầy đủ và LoRA chỉ với năm đến mười phút âm thanh, cùng một tập lệnh huấn luyện và một cấu hình cho mỗi phương pháp. Đó không phải là một chú thích nhỏ; đó là sự khác biệt giữa một mô hình mà bạn thuê hành vi của nó và một mô hình mà hành vi của nó thuộc về bạn.

Ming-3.0-tts-tiny tài liệu hóa phần suy luận, không phải phần huấn luyện. Kho lưu trữ là một sổ tay công thức tác vụ — nhân bản giọng mẫu, đa ngôn ngữ, cận ngôn ngữ, podcast, thuộc tính cơ bản, cảm xúc, phương ngữ, dạng tự do, thiết kế giọng nói và một tác vụ "ip" — được gói quanh một MingTinyTTS.from_pretrained điểm vào duy nhất. Không có công thức LoRA, không có cấu hình SFT và không có tuyên bố nào về việc liệu tinh chỉnh có được hỗ trợ hay không. Hoàn toàn có thể là có; checkpoint thì vẫn là checkpoint. Nhưng "có thể" và "được tài liệu hóa bằng một script hoạt động được" là hai lượng công việc kỹ thuật khác nhau, và cái thứ hai chính là thứ VoxCPM2 mang tới.

Đối với giọng điệu thương hiệu, một lĩnh vực được quản lý chặt chẽ, hoặc một ngôn ngữ mà cả hai mô hình đều không xử lý tốt ngay khi dùng, đó chính là sự bất đối xứng mang tính quyết định. Năm phút âm thanh tham chiếu và một cấu hình được cung cấp thì bằng một tuần làm việc. Còn thiết kế ngược một lộ trình huấn luyện cho mô hình thưa 7,9B không có triển khai tham chiếu thì bằng một quý.

Ngôn ngữ, phương ngữ và những gì "30 ngôn ngữ" thực sự mang lại

• Ming-3.0-tts-tiny — tiếng Trung, tiếng Anh, tiếng Đức, tiếng Tây Ban Nha, tiếng Pháp, tiếng Hàn và tiếng Nhật, cộng thêm tiếng Tứ Xuyên và tiếng Quảng Đông khi bạn cung cấp một đoạn âm thanh tham chiếu bằng phương ngữ đó. Tổng cộng là chín nếu tính cả hai phương ngữ.

• VoxCPM2 — 30 ngôn ngữ bao gồm tiếng Quảng Đông và tiếng Tứ Xuyên, và thẻ ghi chú rằng không cần thẻ ngôn ngữ: bạn đưa văn bản vào và nó tự suy ra ngôn ngữ. Đó là một sự tiện lợi đi kèm với một chế độ lỗi, vì văn bản đa ngôn ngữ sẽ được mô hình phân giải thay vì bạn.

Trên các ngôn ngữ mà hai bên cùng hỗ trợ, chỉ một bên công bố tỷ lệ lỗi theo từng ngôn ngữ, và đó là Ant. Tiếng Đức 0,325% lỗi ký tự, tiếng Tây Ban Nha 0,971%, tiếng Nhật 3,427%, tiếng Pháp 3,470%, tiếng Hàn 6,000%, tất cả đều trên bộ khung kiểm thử của chính Ant, tất cả đều chưa được tái lập. VoxCPM2 không công bố bảng theo từng ngôn ngữ, nên lợi thế về độ bao phủ không thể được đối chiếu với tuyên bố về độ sâu. Bất kỳ ai nêu tên người thắng về chất lượng ngôn ngữ ở đây đều đang lấy bảng tính của một nhà cung cấp đối chiếu với sự im lặng của nhà cung cấp kia.

Con số về tiếng Hàn xứng đáng có một câu riêng, vì đây là khiếm khuyết rõ ràng nhất trong thành tích của Ming-3.0-tts-tiny: lỗi ký tự 6,000%, gần gấp ba lần rưỡi mức 1,728% mà mô hình anh em 0,5B của chính nó đạt được trên cùng ngôn ngữ. Thẻ này liệt kê tiếng Hàn trong số các điểm yếu đã biết và không đưa ra cơ chế nào. Một lời giải thích bằng định tuyến thưa là hợp lý và chưa được đo lường.

Câu hỏi về giấy phép, nơi khoảng cách nhỏ hơn vẻ bề ngoài

Cả hai đều có giấy phép thoáng cho mục đích thương mại, điều hiếm thấy trong lĩnh vực này và đáng nói rõ. Ming-3.0-tts-tiny dùng giấy phép MIT cho trọng số và mã nguồn, kèm ghi chú sử dụng yêu cầu bạn không mạo danh người khác khi chưa có sự đồng ý và dán nhãn âm thanh tổng hợp — một yêu cầu trong tài liệu chứ không phải điều kiện của giấy phép. VoxCPM2 dùng Apache 2.0, miễn phí rõ ràng cho mục đích thương mại, với các quy định về sử dụng được chấp nhận của riêng nó.

Không giấy phép nào buộc phải rà soát pháp lý đến mức khiến dự án phải dừng lại, và cũng không có điều khoản loại trừ dịch vụ lưu trữ (hosted-service carve-out) nào khiến một số bản phát hành giọng nói trọng số mở trở nên không dùng được trong môi trường sản xuất. Với triển khai tự lưu trữ, hai lựa chọn đủ tương đương để giấy phép không nên là yếu tố quyết định; câu chuyện huấn luyện, dung lượng bộ nhớ và tốc độ mới nên là yếu tố quyết định.

Cả hai đều không có trên bảng, và dù sao thì một con số vẫn được mượn.

Artificial Analysis đưa một mục Ming-3.0-tts vào danh sách với 1.188 Elo ở Provider Voice và 1.069 ở Controlled Voice. Đó là mô hình 0.5B. Ming-3.0-tts-tiny không có dòng nào trên bảng xếp hạng — không được xếp hạng, không thuộc diện chưa xếp hạng, cũng không phải mục xem trước — và README trên GitHub lặp lại các con số 1.188 và 1.069 mà không nói rõ checkpoint nào đã tạo ra chúng.

VoxCPM2 hoàn toàn không có hàng nào trên cả hai bảng, và trang Hugging Face của nó ghi chú rằng không có nhà cung cấp suy luận nào triển khai nó. Sự vắng mặt đó không phải là điểm thấp. Nó có nghĩa là chưa ai đưa một trong hai mô hình này ra trước một hội đồng đánh giá sở thích, nên bằng chứng chất lượng duy nhất trong so sánh này là bộ đánh giá riêng của Ant ở một bên và không có gì ở bên kia.

Nếu bạn cần một con số trước khi bắt đầu, thứ thay thế hữu ích là thứ VoxCPM2 có công bố: hệ số thời gian thực. Đây không phải là một chỉ số chất lượng, nhưng nó được đo đạc, có thể tái lập trên chính card của bạn, và cho bạn biết chi phí vận hành mô hình. Tương đương của Ming-3.0-tts-tiny là một khoảng giá trị mà bạn sẽ phải tự tạo ra.

Mỗi cái thực sự được dùng để làm gì

Hãy chọn VoxCPM2 khi khối lượng công việc thuộc dạng dài và nhạy cảm về chi phí, khi bạn cần một ngôn ngữ nằm ngoài chín ngôn ngữ của Ant, khi 8 GB VRAM là yếu tố quan trọng vì triển khai của bạn chỉ dùng một card đồ họa tiêu dùng, hoặc khi việc huấn luyện LoRA trên năm phút âm thanh của chính bạn nằm trong lộ trình. Thiết kế không dùng tokenizer và đầu ra 48 kHz thông qua tính năng siêu phân giải tích hợp của AudioVAE V2 là những lợi thế kỹ thuật thực sự, còn năm tháng được sử dụng công khai nghĩa là các kiểu lỗi đã được ghi lại bởi những người lạ thay vì bởi nhà cung cấp.

Chọn Ming-3.0-tts-tiny khi bạn cần những thứ chỉ nó cung cấp: một tác vụ podcast nhiều người nói trong một lần chạy, 14 thẻ cận ngôn ngữ nội tuyến với điều khiển cảm xúc, tốc độ, cao độ và âm lượng tường minh, một dàn giọng tiếng Trung hơn 100 giọng cùng năm giọng tiếng Anh, và một mô hình ưu tiên tiếng Trung với khả năng xử lý phương ngữ được xây dựng chứ không phải suy ra. Đổi lại, hãy chấp nhận rằng bạn sẽ là nhóm đầu tiên đánh giá chuẩn nó, rằng tiếng Hàn là điểm yếu đã được công bố, rằng việc tinh chỉnh chưa có tài liệu, và rằng toàn bộ bản phát hành mới chỉ một tuần tuổi.

OrcaRouter không định tuyến cho mô hình nào trong hai mô hình, và bài viết này không nên được đọc như thể đang gợi ý điều ngược lại — cả hai đều được truy cập bằng cách tải chúng về và tự chạy chúng. Thứ nằm trong danh mục là nửa văn bản của cùng một quy trình: hơn 200 mô hình đằng sau một khóa ở mức giá niêm yết của nhà cung cấp mà không cộng thêm phụ phí, vì vậy một thay đổi giá từ nhà cung cấp sẽ đến với bạn ngay trong ngày, với tính năng tự động chuyển đổi dự phòng giữa các nhà cung cấp cho mô hình viết script hoặc điều khiển agent. Khi cả hai tùy chọn giọng nói đều được tự triển khai và không tùy chọn nào tính phí theo từng ký tự, chi phí định kỳ mà bạn thực sự có thể so sánh tháng này qua tháng khác là lớp văn bản, và đó chính là lớp đáng để đặt sau một điểm cuối duy nhất.

Cuộc so sánh kết thúc ngay tại nơi nó bắt đầu: hai checkpoint, không có bảng điểm chung, và một quyết định rút cuộc phụ thuộc vào việc bạn cần tốc độ và khả năng tinh chỉnh trên phần cứng khiêm tốn hay cần khả năng kiểm soát ưu tiên tiếng Trung trên một cỗ máy lớn. VoxCPM2 trả lời điều thứ nhất bằng những con số đã công bố. Ming-3.0-tts-tiny trả lời điều thứ hai bằng một cẩm nang tác vụ và không có số liệu thông lượng, và đây chính là thứ hữu ích nhất mà Ant có thể công bố tiếp theo.