Gemini Omni 1.2 Flash 与 Ming 3.0：视频中的声音，还是独立的声音

“Ming 3.0”并不是一个模型。它是蚂蚁集团研究实验室 inclusionAI 推出的一个包含五个检查点的系列，而且每一个都与声音有关：Ming-3.0-audio-flash 读取音频并以文本作答，Ming-3.0-audio-tiny 是它的 9B 版本，Ming-3.0-tts-0.5B 和 Ming-3.0-tts-tiny 将文本转换为语音，Ming-3.0-asr-tiny 则负责转写语音。它们中没有一个能生成哪怕一帧视频。Gemini Omni 1.2 Flash 自 2026 年 11 月 5 日起全面可用，可生成三到十五秒、音频同步的视频，720p 输出每秒约 0.07 美元。

因此，对它们进行正面比较是一种范畴错误——但有一个例外，而这个例外恰恰就是事情的全部。Gemini Omni 1.2 Flash 最实质性的新主张与语音有关：Google 表示，它能生成“更流畅、更自然的对话，更清晰的口型同步，以及独特的多说话人条件控制”。Ming-3.0-tts 在你自己的硬件上、以 MIT 许可证、每次调用零成本，完成这项工作中一个范围很窄的版本。如果你真正需要从这两个系统中的任何一个获得的是语音轨，那么这句话就是比较的核心。如果你需要的是把声音附着到一张走过一间被照亮的房间的脸上，那么这一页里只有一方能帮到你。

这个家庭，一个检查点接一个检查点

值得直白地讲清楚，因为命名容易让人混淆，而且时间戳也散落各处。

• Ming-3.0-audio-flash — 总参数 126B，每个 token 激活 6.5B，是一个原生音频语言 MoE，接收音频和文本输入并返回文本，还带有一个可选的 Talker 模块，能把答案说出来。权重于 2026 年 9 月 3 日上线 Hugging Face，约 259 GB，分布在 25 个分片中。真正的模型卡、基准测试资产和 MIT 重新许可直到 2026 年 10 月 19 日才出现——比检查点晚了六周。

• Ming-3.0-audio-tiny —— 同一思路的 9B 变体，于同日发布。

• Ming-3.0-tts-0.5B — 一个基于 Qwen2.5-0.5B 主干的稠密 0.5B 文本转语音模型，支持七种语言以及四川话和粤语，可从短参考音频进行零样本克隆，并可根据自然语言描述进行音色设计。上传于 2026 年 9 月 22 日。

• Ming-3.0-tts-tiny —— 同系列中更小的 TTS 版本，发布日期相同。

• Ming-3.0-asr-tiny — 转写部分，2026年10月14日。

“3.0”这个标签涵盖的是一套语音技术栈，而不是一个旗舰级多模态模型。这一点很重要，因为把“Ming 3.0”和某个视频模型放在一起搜索，说明有人并不这么认为；而 Ming 系列确实包含一个全模态模型——Ming-flash-omni-2.0，于 2026 年 2 月发布——但它是另一代产品，名称也不同，并不是 3.0 检查点所指的东西。

实际重叠之处在于：对话音轨

剥去容器，两个系统都能生成一个正在说话的人。它们从相反的方向抵达这一点。

Gemini Omni 1.2 Flash 可生成完整场景。你只需为某个镜头写提示词，如果提示词中包含对话，或者你引导模型生成对话，模型就会把语音连同环境音和音乐一起烘焙进视频里。音频默认生成；指南称，无论你是否要求，模型“都会尝试生成合适的音轨”。对话质量只是发布时的宣称，而非评分指标，而且 Google 完全没有发布任何音频基准测试。参考路径在 Google Cloud 上已列入允许列表：你可以提供一秒的语音样本作为音频提示，但在当前版本中，该模型不支持上传音频输入或音频参考，参考视频的音频会被忽略，也不支持语音编辑。你可以通过提示词让一个声音出现，却无法移除某个声音并将其替换。

Ming-3.0-tts 只做一件事：输入文本，输出语音，而声音由你掌控。它支持从一段简短参考音频进行零样本克隆、根据文字描述设计音色、十四个内联副语言标签，以及显式的情感、语速、音高和音量设置。其厂商报告的 Seed-TTS 数据为：中文 WER 0.800%、SIM 0.758，英文 WER 1.584%、SIM 0.691；在 NVBench 中文单语测试中，它报告 CER 2.70、PCER 22.80 和 OCER 3.20，在其所列模型中表现最佳。这些都是 inclusionAI 自己给出的数字，未经复现，直接印在模型卡上。

把两者放在一起比较，诚实的区别是这样的。Omni 给你一个你并未指定的声音，搭配一段你也并未指定的表演，每 15 秒片段约一美元。Ming-3.0-tts 让你精确控制且仅控制一个属性——声音听起来如何——并交给你一个不带画面的波形。

每个的成本，以不符合要求的单位计

Omni 的计费很简单，而且公开。每百万视频输出 token 收费 12.00 美元；按 Google 的换算，720p 下每秒 5,792 个 token，约合每秒 0.07 美元。一段 15 秒的片段约为 1.05 美元。同样长度的 360p 草稿约为 0.35 美元，4K 升级版约为 3.14 美元。没有免费套餐，因此一次原型制作会话就是一张真实账单。

Ming 没有按次调用价格，因为它没有托管端点。成本在于硬件。对于 128K 上下文的 Ming-3.0-audio-flash，inclusionAI 自有的 vLLM-Omni 参考配置是在四块 80 GB H800 上做张量并行；当长音频耗尽内存且 Talker 停在 GPU 7 上时，会回退到八 GPU 配置。SGLang 有一个经过验证的四 GPU 文本输出配置，而 SGLang-Omni 用两块 GPU 运行整个流水线——thinker 分布在两块 GPU 上，音频编码器在 GPU 0，语音合成在 GPU 1。Ming-3.0-tts-0.5B 足够小，可以在单块 H800-80GB 或 H20-96G 上使用 CUDA 12.4 进行测试。

把两者相互换算，正是人们容易出错的地方。用“回本之后免费”对比“每秒七美分”，得出的数字完全取决于利用率：每周十个片段时，GPU 每输出一秒的成本要高得多；而在持续满负荷的情况下，它又要便宜得多。没有任何汇率能同时适用于这两种情形。

许可和控制，这才是选择 Ming 的真正原因

Ming-3.0 系列全部采用 MIT 许可证，并附有单独的法律免责声明文件。这意味着可以商用、修改、用自己的语音数据微调以及再分发——只需署名，无需获得许可。如果你的产品差异化优势在于一种音色、一种方言，或一段必须每次都听起来完全一致的品牌配音，那么能够微调检查点就不是锦上添花，而是核心能力本身。

Gemini Omni 1.2 Flash 则是相反的取舍。没有权重，没有微调，没有语音编辑，架构未公开，输出受服务条款约束，而且每一帧画面和每一秒音频都带有 SynthID 水印，无论你是否想要。在 EEA、瑞士和英国，无法编辑或延长上传的视频——这一地区限制直接使对话式编辑的卖点在这些市场的团队中不成立。作为交换，你今天就能获得一个可用的端点、15 秒片段、4K 超分辨率、每次请求最多六张参考图像以实现角色和产品一致性，以及一个可预测的价格。

• 权重 — 不含 Apache 限制的 MIT 检查点，你可以自己拥有，用来对抗闭源托管模型。

• 输出 — 语音波形与视频对照显示，并配有同步音频。

• 语音控制——克隆、设计、情感和音高设置，相较仅提示词方式，且无语音编辑。

• 微调 — 每个 Ming 检查点均可用，Omni 则无论价格如何均不可用。

• 获得首个结果所需时间——34 GB 以上的下载加一个环境，对比一个 API 密钥加 28 到 136 秒的渲染。

• 边际成本——一个 GPU 小时对比每输出秒约 0.07 美元。

两者都出现的流水线

确实有一种同时使用两者的实际工作流程，值得详细说明，因为这是比较唯一能转化为决策的地方。

一个产品团队在编写一支十五秒广告片时，先写好文案，再用 Ming-3.0-tts 基于克隆的品牌声音生成配音，然后要么让素材对口型匹配这条音轨，要么把波形作为 Omni 渲染的计时参考。TTS 这一步花费一个 GPU 分钟，并能精确控制节奏和发音。Omni 这一步花费约一美元，换来一个镜头。按这个顺序做，意味着你在为视频花钱之前先把脚本定下来，这与 Google 内部推荐的先草稿后定稿的做法一致：先用 360p 草稿，再升到 4K。

反过来做——先生成片段，再尝试替换它的声音——是行不通的。Omni 不支持语音编辑，而且该模型不支持上传音频参考。它生成的音频就是你最终交付的音频。

两者都不在我们的目录中，这一点值得说明。

OrcaRouter 对这两个模型都不做路由。google/gemini-omni-1.2-flash 在我们的实时模型页面上返回 404，而 Ming-3.0 检查点根本没有托管端点——它们是 Hugging Face 下载项，带有一条 vLLM-Omni 路径，截至上次检查时该路径仍是一个拉取请求。对我们的 API 的任何调用都无法触达其中任何一个，而本页面宁愿明确说明这一点，也不愿暗示并非如此。

网关真正有价值的地方，是两个工作流都要经过的文本层：脚本、镜头清单、品牌语调质检，以及能发现某条指令被跳过的片段的审核。200 多个模型使用，并具备自动故障转移，以及用于将各步骤组合成单次调用的路由 DSL。在定价方面，OrcaRouter 按 0% 加价计费，并透传提供商的目录价，因此，当 Google 于 11 月 5 日将 Omni 的视频费率从每百万输出 token 17.50 美元调整为 12.00 美元时，我们这边当天就已生效。

决定，精简版

如果你的问题是一个声音——某个特定的、可复现的、也许经过微调的、也许带有方言的声音——那么 Ming-3.0-tts 就是合适的工具，而 MIT 许可证正是原因所在。它不会给你一张图片，它也从来就不是为此而生的。

如果你面对的是一个有人物出镜的场景，而语音只需要听起来合理并且与画面同步，那么 Gemini Omni 1.2 Flash 是两者中唯一能做到这一点的，而且它的价格你在开始之前就能算清楚。

两者都不会做的是让你分别决定声音和画面。这一差距正是2026年11月的实际技术前沿，而你构建的任何工作流都必须绕开它，而不是穿过它。