在人工智能语音生成领域，开源阵营正迎来一项重磅突破。独立 AI 评测机构 Artificial Analysis 近期公布了最新的语音大模型（TTS）竞技场榜单，由蚂蚁集团团队推出的全新开源文本转语音模型 Ming-3.0-tts 表现亮眼，一举斩获多项核心指标的第一名。
作为一款轻量高效的密文参数模型，Ming-3.0-tts 提供了多样的预设声音以及无状态声音克隆能力。其权重已在 Hugging Face 平台上以 MIT 协议全面开源，推出了0.5B 参数的密集模型版本，以及采用7.9B 混合专家架构（MoE）的变体版本 Ming-3.0-tts-tiny。
在具体的权威基准测试与细分榜单中，Ming-3.0-tts 展现出了强大的技术统治力:
首先是在发音鲁棒性（Pronunciation Robustness）榜单上，该模型取得了93.2% 的高分，在参评的31款全球主流模型中并列排名第一，与 Fish Audio 的 Drama3Preview 处于同一水平，并领先于 Eleven v4的91.7%。尤其在处理扩展简写和精准序列保留等高难度任务时，该模型表现突出，能够准确应对各类复杂文本的读音挑战。
其次是在受控语音竞技场（Controlled Voice Arena）中——该测试通过统一的8个克隆声音进行横向盲测——Ming-3.0-tts 成功登顶开源模型榜首，在1827次评测中获得了1，069的 Elo 评分，领先于 Drama3Preview 的1，059以及 Breeze TTS2的1，019，在总榜中位列第13名。
此外，在平台提供商原生声音（Provider Voice）榜单中，该模型在1957次评测中拿下了1，188的 Elo 评分，位列开源模型第三位，总榜排名第19。综合来看，Ming-3.0-tts 在三大核心语音榜单中的“受控语音”与“发音鲁棒性”两项关键维度上均成功夺得开源模型第一，向全球开发者交出了一份亮眼的成绩单。
项目地址：https://huggingface.co/spaces/hugging-apps/ming-3-tts-tiny
《华尔街日报》看到Anthropic的IPO招股书草案：公司收入狂飙但亏损惊人。截至6月30日六个月营收约163亿美元，较上年同期11亿美元暴涨1382%；同期算力与基础设施支出近90亿美元。生意高速扩张，烧钱更快，算力成为最大压力，招股书呈现增长与巨额成本并存的矛盾画像。
Mistral推出Voxtral3，由语音Agent SDK和语音模型组成，支持50多种语言。官方演示中，说法语患者持法语处方致电诊所，语音代理听懂法语、完成预约，并承诺用英语发短信，一次性串联跨语言、工具调用与情绪适应的完整语音工作流。文章同时点出，语音AI的尴尬长期在于从语音到文本转录等环节。
《华尔街日报》看到的IPO招股书草案显示，Anthropic增速光鲜背后成本高企：截至6月30日半年营收约163亿美元，同比由11亿暴涨1382%；同期算力与基础设施开支近90亿美元，2025年同期仅23亿，已超去年全年73亿。上半年净亏损807亿美元，亏损压力巨大。
QuestMobile 2026年9月报告显示，办公与生活已分化为两条独立发展线。AI综合助手用户达11.57亿，同比增44%；其中AI生活助手3.47亿，增55%；AI办公月活1.42亿，增50.6%。典型办公类Agent月活排名中，腾讯WorkBuddy以3235.3万、百度搭子以977万领先，阿里巴巴千问办公亦在列。
Mistral AI于2026年10月21日发布Voxtral3语音模型系列及语音代理SDK，含Voxtral Small Transcribe3转录模型、Voxtral Mini TTS3.0语音合成模型和基于LiveKit的语音代理SDK。支持API获取，也可私有云或自有基础设施自托管，面向呼叫中心、服务台、虚拟助手及免提驾驶，提供高性能实时流式语音交互；Transcribe3支持50多种语言。
关注 “悠AI” 更多干货技巧行业动态
相关文章
