Синтез речи

Ming-3.0-tts

Семейство открытых моделей озвучки от Ant Group: плотная 0.5B на основе Qwen2.5-0.5B и MoE-версия tiny (7.9B параметров, около 1.3B активных, на основе Ling V3). Клонируют голос по короткому образцу, создают голос по словесному описанию, управляют подачей, эмоцией, скоростью, высотой и громкостью. Есть более 100 встроенных китайских голосов, пять английских и 14 вставных меток для вдоха, кашля, смеха, вздоха и сомнения. Языки: китайский, английский, немецкий, испанский, французский, корейский, японский и диалекты сычуаньский и кантонский, русского нет. Частота 44,1 кГц. Для запуска нужен код из репозитория на GitHub, сама страница на Hugging Face только раздаёт веса. Для ComfyUI есть сборка от Comfy-Org.

Клонировать голос можно только с согласия владельца голоса. Запись чужого голоса без разрешения и выдача её за подлинную — это отдельный риск, юридический и репутационный; порядок согласования лучше обсудить с юристом.

Разработчик: inclusionAI (Ant Group), Китай
Первый выпуск: сен 2026
Последний выпуск: окт 2026
Размеры: 0.5B и 7.9B-A1.3B (tiny)
Лицензия: Можно в коммерциюMIT
Русский язык: Нет
Запуск: Через свой серверНужна видеокарта
Сферы: Медиа и продакшн, Поддержка клиентов

Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

озвучка роликов и подкастов на китайском и английском с управлением эмоцией
клонирование голоса по короткому образцу
создание голоса по описанию для игр и приложений

Где применяется

медиа и рекламаигры и приложенияобучение и контент

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии

подходит

1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии

подходит

КластерСервер с несколькими видеокартами — флагманские версии

нет версий

Версии

окт 2026Ming-3.0-TTS для ComfyUI
сен 2026Ming-3.0-tts-tiny (7.9B-A1.3B)
сен 2026Ming-3.0-tts-0.5B

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face

Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать Ming-3.0-tts в коммерческом проекте?

Да. Лицензия: MIT. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для Ming-3.0-tts?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Без видеокарты модель практически не работает. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли Ming-3.0-tts русский язык?

Нет. В документации разработчика языки перечислены, русского среди них нет. Для русских задач лучше взять модель из подборки «Открытые ИИ-модели с русским языком».

Где скачать Ming-3.0-tts и сколько это стоит?

Веса Ming-3.0-tts лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.