Ming-3.0-tts：开源语音合成模型，支持零样本音色克隆

Ming-3.0-tts 是 inclusionAI 组织在 2026 年 10 月发布的开源语音合成仓库。仓库里有两个模型：0.5B 的稠密模型，以及 tiny 版本，后者是 MoE 结构，总参数 7.9B，激活参数 1.3B，基于 Ling V3。两者都以 MIT 许可发布，附带推理代码、任务示例和评测表。一则中文新闻速递把这一系列归到蚂蚁百灵名下，系列里还有语音识别和音频理解的其他仓库。

核心功能

• 两个模型，两种结构：0.5B 为稠密模型，tiny 为 MoE 模型。两者都发布在 Hugging Face 和 ModelScope 上，README 说在中国大陆 ModelScope 通常更快。
• 音色克隆与设计：可以用一段参考音频做零样本克隆（prompt_wav_path），也可以用文字描述设计音色，或从内置的 100 多个中文音色和五个英文音色里选。
• 情绪与韵律控制：可以指定情绪，也可以调整语速、音高和音量。
• 多人对话（仅 tiny）：给出脚本和说话人参考，直接生成多人对话。
• 第三方榜单上的成绩：README 引用了 Artificial Analysis 2026 年 10 月的榜单。Controlled Voice 的 Elo 为 1069，开源模型中排第一；Pronunciation Robustness 为 93.2%，总榜第一；Provider Voice 的 Elo 为 1188，开源模型中排第三。

典型使用场景

• 做有声内容的团队：用同一段参考音色批量生成旁白或短视频配音，再用情绪控制调整语气。
• 想在自有 GPU 上部署语音的开发者：模型权重公开，可以在自己的机器上运行，不必把文本交给云端 API。
• 比较语音模型的研究者：README 附有榜单和评测图表，便于和其他模型交叉对照。
• 主要做中文内容的团队：README 引用的发音稳健性指标针对英文文本，中文场景需要用自己的真实文本测试。

快速上手

git clone https://github.com/inclusionAI/Ming-3.0-tts.git
cd Ming-3.0-tts
pip install -r requirements.txt
hf download inclusionAI/Ming-3.0-tts-0.5b --local-dir Ming-3.0-tts-0.5b

以上是 0.5B 版本的步骤，还有几点需要注意：

• 0.5B 环境在 NVIDIA H800-80GB 和 H20-96G 上测试过。flash-attn 可选，缺失时回退到 PyTorch SDPA。
• tiny 版本需要单独的环境：Python 3.10.15，torch 与 torchaudio 2.7.1（CUDA 11.8 版本），transformers 4.46.3，依赖写在 requirements-tiny.txt 里。
• 在中国大陆，README 建议用 ModelScope 下载，把 hf download 换成 modelscope download 即可。
• README 还提供了 0.5B 的 Docker 镜像构建方式，基于 torch 2.6 和 CUDA 12.4。

下载完成后，README 用 MingTTS 类按仓库路径加载模型，零样本克隆的示例通过 prompt_wav_path 指定参考音频。如果你关心的是音乐而不是语音，可以参考音频生成条目 YuE2。如果你想要的是可以直接在本机操作的语音工作台，而不是模型仓库，可以看看 VoiceStudio。

小结

Ming-3.0-tts 适合有 NVIDIA GPU、想自己部署语音合成，并且看重音色克隆和情绪控制的开发者。它不适合只想在网页上点几下、又没有 GPU 的人。如果需要多人对话，要选 tiny 版本，因为只有它支持这一功能。

音色克隆需要特别注意。README 写明，音色克隆和内置角色音色仅供研究和合法的创作用途，不得在未经同意的情况下冒充真人，不得用于欺骗或任何非法用途；作者不对滥用承担责任。克隆别人的声音之前，应先取得对方同意。

同一系列还有 inclusionAI/Ming-3.0-asr（语音识别，MIT，2026 年 10 月 19 日创建）和 inclusionAI/Ming-3.0-audio-flash（MIT，10 月 15 日创建），它们各自在独立的仓库里。本条目只讨论 TTS 仓库。

我们只核对了 README、LICENSE 和仓库元数据，没有安装运行，也没有打开 README 引用的 Artificial Analysis 原始页面。模型权重的许可证可能与仓库不同，使用前请查看 Hugging Face 上的模型页。截至 2026-10-21，仓库有 120 颗星，创建于 2026 年 10 月 19 日，未归档。