Ming-3.0-tts vs Qwen-Audio-3.0-TTS: Trọng số mở đối đầu với một giọng nói mà bạn tính theo từng ký tự

Ming-3.0-tts và Qwen-Audio-3.0-TTS là hai hệ thống chuyển văn bản thành giọng nói tiếng Trung đáng tin cậy nhất được phát hành vào năm 2026, và chúng bất đồng về gần như mọi thứ trừ chất lượng đầu ra. Ming-3.0-tts là mô hình trọng số mở được cấp phép MIT của Ant Group, do nhóm inclusionAI công bố vào ngày 20 tháng 10 năm 2026 như một phần của dòng giọng nói Ming-3.0. Qwen-Audio-3.0-TTS là trình tổng hợp giọng nói đóng, chỉ qua API của Alibaba, được công bố tại WAIC vào ngày 20 tháng 7 năm 2026 với hai hạng Plus và Flash và hoàn toàn không công bố trọng số. Một cái bạn tải về và chạy; cái kia bạn thuê theo từng ký tự. Sự khác biệt đó chính là phép so sánh, và khoảng cách về chất lượng nhỏ hơn khoảng cách về mô hình kinh doanh.

Có một điểm tinh tế mà hầu hết các so sánh về hai mô hình này đều bỏ sót, và nó làm thay đổi khuyến nghị: Qwen-Audio-3.0-TTS không còn là mô hình giọng nói Qwen mà bạn thực sự sẽ mua. Alibaba đã thay thế nó bằng Qwen-Audio-3.1-TTS vào ngày 23 tháng 9 năm 2026 và giảm giá tổng hợp khoảng 70% vào ngày hôm trước. Vì vậy, trang này so sánh mô hình được nêu trong tiêu đề với Ming-3.0-tts, vì đó là thứ mọi người đang tìm kiếm, rồi cho bạn biết Qwen mới hơn thay đổi điều gì về câu trả lời.

Mô hình trong tiêu đề đã bị thay thế.

Qwen-Audio-3.0-TTS ra mắt tại WAIC với một tuyên bố có cơ sở: đứng đầu trên Provider Voice Arena của Artificial Analysis, vượt qua Gemini 3.1 Flash TTS và một danh sách dài các hệ thống thương mại. Sản phẩm được phát hành thành hai phiên bản — Plus cho chất lượng, Flash cho tương tác thời gian thực với độ trễ gói đầu tiên khoảng 300 ms — với giá niêm yết lần lượt khoảng 27,60 USD và 15 USD mỗi triệu ký tự.

Chín tuần sau, Qwen-Audio-3.1-TTS đã ra mắt tại Hội nghị Apsara. Những thay đổi quan trọng cho phép so sánh này:

• Giá — tổng hợp giảm khoảng 70%, thời gian thực giảm khoảng 85%, có hiệu lực từ ngày 22 tháng 9 năm 2026 đối với khu vực Bắc Kinh và Singapore. Điều này đưa 3.1 TTS Flash xuống còn khoảng ¥1,5 mỗi triệu token đầu vào và ¥12 mỗi triệu token đầu ra, đồng thời đưa mức tương đương Plus xuống gần $8 mỗi triệu ký tự theo đơn vị cũ.

• Kiểm soát — các hướng dẫn ngôn ngữ tự nhiên dạng tự do về cảm xúc, nhịp độ và phong cách thay thế 86 thẻ truyền đạt nội tuyến của 3.0. Đó là một thay đổi về khả năng sử dụng, không phải thay đổi về chất lượng, và đây là yếu tố có khả năng ảnh hưởng lớn nhất đến việc bạn có thể phát hành hay không.

• Nhân bản — chuyển đổi âm sắc xuyên ngôn ngữ giữa tiếng Quan Thoại, tiếng Quảng Đông, tiếng Anh và tiếng Nhật, cùng với khả năng xử lý trực tiếp âm thanh tham chiếu bị nhiễu hoặc có vang.

• Xác minh — không có điểm số arena độc lập tại thời điểm viết. Các tuyên bố về chất lượng cho 3.1 là tuyên bố của nhà cung cấp.

Vậy cách diễn đạt công bằng không phải là “Ming so với Qwen” mà là “Ming so với thế hệ hiện tại của Qwen, có mức giá hiện chỉ bằng khoảng một phần ba mức giá mà 3.0 từng tính.” Lợi thế chi phí của Ming vì thế thu hẹp lại. Khác biệt về kiến trúc thì không.

Hai sản phẩm khác nhau, không phải hai phiên bản của cùng một sản phẩm

• Mô hình phân phối — Ming-3.0-tts là trọng số được cấp phép MIT trên Hugging Face và ModelScope, với mã suy luận trong một kho lưu trữ GitHub riêng. Qwen-Audio-3.0-TTS không công bố trọng số nào; nó được cung cấp thông qua Alibaba Cloud Model Studio.

• Kích thước — Checkpoint mặc định của Ming có 0,5B tham số, dạng dense, trên backbone Qwen2.5-0.5B, khoảng 2,96 GB. Người anh em của nó là Ming-3.0-tts-tiny là một MoE với tổng 7,9B tham số, 1,3B tham số hoạt động, trên backbone Ling V3 của Ant. Qwen không công bố số lượng tham số cho cả hai hạng.

• Giới hạn chất lượng đầu ra — Ming chỉ đạt tối đa 44,1 kHz. Qwen-Audio-3.0-TTS đã chuyển sang 48 kHz và hỗ trợ tổng hợp một lần tối đa ba phút.

• Phạm vi ngôn ngữ — Ming hỗ trợ 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. Qwen hỗ trợ 16 ngôn ngữ và 20 vùng phương ngữ Trung Quốc, đã bổ sung tiếng Ả Rập, tiếng Việt, tiếng Mã Lai và tiếng Philippines trong phiên bản 3.0.

• Giọng nói — Ming cung cấp hơn 100 giọng tiếng Trung và năm giọng tiếng Anh. Danh mục của Qwen là một lựa chọn được lưu trữ mà bạn không quản lý.

• Bề mặt điều khiển — Ming cung cấp thiết kế giọng nói từ mô tả văn bản, "chế độ đạo diễn" cho các hướng dẫn truyền đạt dạng tự do, 14 thẻ cận ngôn ngữ nội tuyến, và các điều khiển rõ ràng về cảm xúc, tốc độ, cao độ và âm lượng. Qwen 3.0 cung cấp lời nhắc đạo diễn phong cách tự do cùng các thẻ chi tiết; 3.1 đã thay thế các thẻ bằng hướng dẫn.

Quy luật trong danh sách đó là nhất quán: Ming cho bạn nhiều quyền kiểm soát hơn đối với một tập ngôn ngữ hẹp hơn, còn Qwen cung cấp phạm vi bao phủ rộng hơn với ít khả năng nhìn thấy những gì bên dưới hơn.

Chất lượng: những gì đấu trường nói, và những gì nó không nói

Cả hai mô hình đều có các phép đo độc lập, điều này đủ hiếm để đáng được sử dụng một cách cẩn thận. Cái bẫy là so sánh giữa các bo mạch khác nhau.

Trên Provider Voice Arena — nơi các mô hình nói bằng giọng gốc của chính chúng, tức phép so sánh cùng chuẩn — Qwen-Audio-3.0-TTS-Plus đạt 1.238 Elo vào tháng 8 năm 2026 và 1.259 vào tháng 9, xếp thứ hai. Ming-3.0-tts đạt 1.188 Elo, đứng thứ ba trong số các mô hình trọng số mở và khoảng thứ 18 tổng thể. Trên bảng đó, Qwen dẫn trước khoảng 50 đến 70 Elo, một khoảng cách thực sự nhưng không quá lớn — xấp xỉ mức chênh lệch giữa hai bậc liền kề của giọng thương mại.

Ming có hai kết quả mà Qwen không thể sánh được trên cùng một bảng. Ming đồng hạng nhất chung cuộc ở Pronunciation Robustness với 93,2%, và đứng đầu trong số các mô hình open-weight trên Controlled Voice Arena với 1.069 Elo, một bảng được xây dựng từ tám giọng nói đã nhân bản thuộc các accent Mỹ và Anh. Qwen không xuất hiện trên bảng giọng nói có kiểm soát, vì không có checkpoint cục bộ để chạy thử nghiệm đó.

Đọc cùng nhau, những con số đó nói lên một điều cụ thể. Ming đạt phong độ tốt nhất khi tái tạo một giọng nói mà bạn cung cấp, và yếu nhất khi phải dựa vào danh mục tiếng Anh nhỏ bé của chính mình. Qwen mạnh ở các giọng nói của riêng mình và tuyên bố có độ tương đồng người nói tiên tiến nhất trên cả 16 ngôn ngữ — một tuyên bố của nhà cung cấp, không phải tuyên bố độc lập. Nếu khối lượng công việc của bạn là "nhân bản người sáng lập của chúng tôi và đọc bản tin," thì bảng mạnh nhất của Ming mới là điều quan trọng. Nếu đó là "cho chúng tôi 40 giọng nói bằng 12 ngôn ngữ," thì độ phủ của Qwen là yếu tố quyết định.

Một con số do nhà cung cấp báo cáo đáng được lưu ý vì nó bất thường và mang tính thực tiễn: thông lượng của Qwen-Audio-3.0-TTS được báo cáo ở mức khoảng 16 ký tự mỗi giây, so với khoảng 120 của Sonic 3.5 và 30 của Simba 3.2. Như vậy là chậm. Đó là lý do tồn tại của hạng Flash, và đó là kiểu hạn chế mà một bảng xếp hạng chất lượng sẽ không bao giờ cho bạn thấy. Checkpoint 0.5B của Ming không có con số thông lượng công khai tương đương, và đó là một lỗ hổng riêng.

Chi phí, theo đơn vị tính phí của từng bên

Hai mô hình không dùng chung một đơn vị, nên phép so sánh phải được quy đổi trước khi có ý nghĩa. Với tốc độ nói khoảng 14 ký tự mỗi giây, một triệu ký tự tương đương khoảng 19 đến 20 giờ âm thanh.

• Qwen-Audio-3.0-TTS-Plus — 27,60 USD mỗi triệu ký tự, tương đương khoảng 1,40 USD mỗi giờ âm thanh theo giá niêm yết.

• Qwen-Audio-3.0-TTS-Flash — khoảng 15 đô la Mỹ cho mỗi triệu ký tự, tức khoảng 0,76 đô la Mỹ mỗi giờ âm thanh.

• Qwen-Audio-3.1-TTS — sau đợt giảm giá tháng Chín, chỉ còn khoảng một phần ba giá của 3.0, tức vào khoảng 0,40 đến 0,45 USD mỗi giờ âm thanh cho khả năng tổng hợp tương đương.

• Ming-3.0-tts — không có giá theo từng ký tự. Trọng số theo giấy phép MIT, và thay vào đó là hóa đơn GPU. Một chiếc H800 thuê với giá khoảng $2 mỗi giờ GPU, chạy mô hình 0,5B nhanh hơn nhiều so với thời gian thực, tạo ra vài giờ âm thanh cho mỗi giờ đồng hồ thực; khi chạy theo lô, chi phí hiệu dụng giảm xuống dưới mức mà bất kỳ mức giá tính theo đơn vị nào ở trên có thể đạt được ở khối lượng duy trì liên tục.

Toàn bộ lập luận nằm ở điểm chuyển đổi. Với vài giờ âm thanh mỗi tháng, tự vận hành là một lựa chọn tồi: GPU nhàn rỗi 99% thời gian, ngăn xếp phụ thuộc tốn một ngày công, và API tính phí theo mức sử dụng tốn ít hơn cả tiền điện. Với vài trăm giờ mỗi tháng, API tính phí theo mức sử dụng lại là lựa chọn đắt đỏ hơn rất nhiều, và khoảng cách còn nới rộng theo từng giờ tăng thêm vì chi phí biên của lần sinh tiếp theo gần như bằng không. Vị trí chính xác của điểm chuyển đổi phụ thuộc vào giá và mức sử dụng GPU, nhưng nó được đo bằng hàng trăm giờ mỗi tháng, không phải hàng nghìn.

Có một chi phí thứ hai không xuất hiện trên bất kỳ bảng giá nào: chi phí khi mô hình thay đổi ngay dưới chân bạn. Qwen-Audio-3.0-TTS là mô hình giọng nói tốt nhất mà Alibaba bán trong khoảng chín tuần. Bất kỳ ai đã xây dựng sản phẩm dựa trên ngữ pháp điều khiển 86 thẻ của nó đều đã dành cả tháng Chín để viết lại lời nhắc cho các hướng dẫn bằng ngôn ngữ tự nhiên. Trọng số MIT của Ming không thể bị ngừng hỗ trợ, chỉ có thể được bạn cải thiện.

Kiểm soát, nhân bản và thực tế triển khai

Tính năng thiết kế giọng nói của Ming là điều mà Qwen không có tính năng tương đương. Bạn mô tả một người nói bằng văn bản — độ tuổi, âm sắc, tốc độ, giọng vùng miền — và mô hình tổng hợp một giọng nói khớp với mô tả, mà không cần clip tham chiếu. Đối với việc làm nguyên mẫu cho một nhân vật hoặc giọng thương hiệu trước khi bạn có bản ghi âm, đó thực sự là một quy trình làm việc khác biệt so với việc chọn từ một danh mục.

Đối trọng của Qwen là độ bền vững. Bản phát hành 3.1 của nó xử lý riêng âm thanh tham chiếu bị nhiễu và vang, đây là kiểu lỗi khiến việc nhân bản giọng nói thất bại trong triển khai thực tế: ai đó ghi một mẫu bằng laptop trong phòng họp và bản nhân bản nghe như một người khác. Thẻ mô hình của Ming thẳng thắn cho biết độ tương đồng người nói kém hơn độ chính xác nội dung, trong đó tiếng Pháp là khoảng trống đa ngôn ngữ rõ rệt nhất.

Triển khai là nơi hai bên khác biệt rõ rệt nhất về công sức.

• Ming — sao chép kho lưu trữ GitHub, cài đặt CUDA 12.4 và PyTorch, tùy chọn biên dịch flash-attn, cài đặt pynini để chuẩn hóa văn bản, và chạy infer.py hoặc API Python ming_tts.MingTTS. Hugging Face chỉ lưu trữ các checkpoint và nêu rõ điều đó trong một hộp chú thích. Mô hình nhỏ cần môi trường riêng của nó. Không có nhà cung cấp suy luận được lưu trữ trên Hugging Face tại thời điểm viết bài.

• Qwen — một khóa API và một điểm cuối theo khu vực. Không cần hạ tầng, không cần ngăn xếp phụ thuộc, không cần lập kế hoạch dung lượng GPU. Bạn cũng không thể ghim phiên bản, kiểm tra mô hình hoặc chạy ngoại tuyến.

Đối với một nhóm đã có sẵn hạ tầng GPU và có lý do tuân thủ để giữ âm thanh trong nội bộ, Ming là lựa chọn hiển nhiên và công sức bỏ ra chỉ là sai số làm tròn. Đối với một nhóm không có cả hai, Qwen rẻ hơn trong quý này và đắt hơn khi mở rộng quy mô, còn tình trạng bị khóa vào nền tảng là có thật.

Router phù hợp ở đâu

Cả hai mô hình đều không có trên OrcaRouter. Chúng tôi không tự vận hành Ming-3.0-tts và không bán lại Qwen-Audio-3.0-TTS, và một trang so sánh không phải là nơi thích hợp để giả vờ điều ngược lại. Phần thuộc phía chúng tôi trong pipeline là mọi thứ xoay quanh giọng nói: mô hình ngôn ngữ soạn và viết lại kịch bản, cùng với các mô hình giọng nói được lưu trữ như Gemini 3.1 Flash TTS Preview và GPT-4o mini TTS cho những trường hợp mà tự vận hành Ming là sự đánh đổi không phù hợp.

Điều đó có ý nghĩa quan trọng nhất đối với quyết định mà trang này thực sự bàn đến. Một pipeline giọng nói không phải là một mô hình; nó gồm một bộ tạo kịch bản, một bộ chuẩn hóa, một bộ tổng hợp và một phương án dự phòng. Đặt nửa phần văn bản phía sau một khóa API — hơn 200 mô hình, 0% cộng thêm trên giá niêm yết của nhà cung cấp, tự động chuyển đổi dự phòng khi một nhà cung cấp bị suy giảm — có nghĩa là phần duy nhất bạn cam kết chính là mô hình giọng nói. Nếu bạn tự vận hành Ming và hóa ra nó yếu hơn trên các tên thương hiệu tiếng Anh của bạn so với những gì arena gợi ý, thì việc hoán đổi lớp giọng nói chỉ là thay đổi một thành phần, chứ không phải tái xây dựng nền tảng. Nếu bạn xây dựng trên API được lưu trữ của Qwen, lớp định tuyến chính là thứ giữ cho phần còn lại của pipeline tiếp tục hoạt động khi endpoint chậm hoặc bị giới hạn tốc độ, và cách tính giá chuyển tiếp có nghĩa là đợt giảm giá tiếp theo của Alibaba sẽ đến với bạn ngay ngày nó được áp dụng, thay vì phụ thuộc vào sự thuận tiện của nhà bán lại.

Chọn cái nào?

• Chọn Ming-3.0-tts nếu bạn có GPU, cần một giọng nói được nhân bản hoặc thiết kế thay vì một danh mục có sẵn, muốn các điều khoản MIT có thể vượt qua rà soát pháp lý và có thể chấp nhận công cụ ở mức nghiên cứu cùng bộ giọng tiếng Anh hạn chế. Đây là lựa chọn duy nhất ở đây mà bạn có thể sở hữu hoàn toàn.

• Chỉ chọn Qwen-Audio-3.0-TTS nếu bạn bị ràng buộc với nó vì một lý do cụ thể — một hợp đồng Alibaba Cloud hiện có, một quy trình làm việc được xây dựng trên ngữ pháp 86 thẻ của nó. Nếu không, bạn đang chọn một mô hình đã bị thay thế với mức giá cũng đã bị thay thế.

• Chọn Qwen-Audio-3.1-TTS nếu bạn muốn một API giọng nói được quản lý, có phạm vi bao phủ rộng và việc giảm giá tháng 9 thay đổi bài toán kinh tế của bạn. Hãy chấp nhận rằng nó chưa được xác minh trên các bảng xếp hạng độc lập và rằng điều khiển dựa trên chỉ dẫn của nó là một ngữ pháp mới mà bạn sẽ phải học.

Khoảng cách chất lượng giữa hai dòng mô hình đủ hẹp để không nên là yếu tố quyết định. Trên bảng xếp hạng duy nhất nơi cả hai cạnh tranh trực tiếp, Qwen dẫn trước khoảng 50 đến 70 Elo. Trên các bảng đánh giá khả năng nhân bản giọng nói, Ming đứng đầu còn Qwen vắng mặt. Điều thực sự phân biệt chúng là liệu giọng nói là một dịch vụ bạn thuê hay một sản phẩm bạn sở hữu — và sau khi Alibaba thay thế mô hình chủ lực của chính mình trong chín tuần, sự khác biệt đó trông không còn giống hệ tư tưởng nữa mà giống rủi ro thu mua hơn.