Ming-3.0-tts-0.5B is een model voor tekst-naar-spraak (TTS) met downloadbare gewichten; voor inference, het uitvoeren van het model, verwijst de modelkaart naar een aparte GitHub-repository. Alibaba Cloud Model Studio beschrijft Qwen-Audio-3.1-TTS-Flash als realtime spraaksynthese met streaming en systeemstemmen.
Het Ming-checkpoint is niet de complete inference-opzet
Ming-3.0-tts-0.5B is een dense model met 0,5 miljard parameters, gebouwd op Qwen2.5-0.5B. De gewichten zijn volgens de modelkaart van Ming vrijgegeven onder de MIT-licentie. Hugging Face distribueert het checkpoint; voor de inference-code verwijst inclusionAI naar een afzonderlijke GitHub-repository.
De modelkaart vermeldt een samplefrequentie van 44,1 kHz. De beschreven tests gebruikten CUDA 12.4 met NVIDIA H800-80GB- en H20-96G-configuraties. flash-attn is optioneel. Voor de beschreven FST-route voor tekstnormalisatie is pynini nodig; tekstnormalisatie kan ook worden uitgeschakeld.
Spaans wordt ondersteund, met een expliciete taalkeuze
Ming vermeldt Chinees, Engels, Duits, Spaans, Frans, Koreaans en Japans als ondersteunde talen, naast de dialecten Sichuanees en Kantonees. Voor Spaans moet bij de taak MULTILINGUAL de waarde language_id worden opgegeven.
inclusionAI rapporteert voor Spaans een WER van 1,099% en een SIM-score van 0,763 op de eigen MiniMax-testset voor meertalige spraak. WER is het woordfoutpercentage; SIM geeft de gelijkenis met een stem weer. Dit zijn resultaten die inclusionAI zelf publiceert.
De modelkaart noemt ook stemklonen op basis van een korte referentieopname, stemontwerp met beschrijvingen in natuurlijke taal en bediening van de voordracht. Er zijn volgens de kaart meer dan 100 ingebouwde Chinese stemmen, vijf Engelse stemmen en 14 inline tags, met instellingen voor emotie, snelheid, toonhoogte en volume. De kaart vermeldt dat stemgelijkenis achterblijft bij inhoudelijke nauwkeurigheid. Frans is de duidelijkste zwakke plek voor meertalige stemgelijkenis; toonhoogte is minder nauwkeurig te regelen dan snelheid en volume.
Wat Alibaba documenteert voor Qwen 3.1 Flash
Alibaba Cloud Model Studio beschrijft Qwen-Audio-3.1-TTS-Flash als een realtime model voor spraaksynthese dat streaming ondersteunt en systeemstemmen aanbiedt. De officiële modelbeschrijving noemt daarmee een streamingmogelijkheid; de Ming-modelkaart geeft juist concrete informatie over downloadbare gewichten, inferencecode, taalkeuze en testconfiguraties.
