Ming-3-TTS-0.5B
百灵开源的0.5B参数TTS模型，同时支持零样本声音克隆与自然语言声音设计，输出44.1kHz音频，覆盖多语言及方言，可在低显存本地部署。
时间轴 (近 90 天)
Ming-3-TTS-0.5B 是一个仅 0.5B 参数、同时支持零样本声音克隆和一句话声音设计的 TTS 模型。
Ming-3-TTS-0.5B 的音频输出规格为 44.1kHz。
Ming-3-TTS-0.5B 支持 7 种语言以及四川话、粤语等方言。
Ming-3-TTS-0.5B 在 Q8 量化后大约需要 2GB 显存即可运行。
Ming-3-TTS-0.5B 的架构包含 24 层、0.5B 主干用 GTOA 逐帧出特征，再由 8 层 DiT 在 64 维浅空间做流匹配去噪，最后经 Odo VAE 还原 44.1kHz 波形。
Ming-3-TTS-0.5B 的克隆部分使用 CamPlus 提取 192 维说话人向量。
官方测试数据中，Ming-3-TTS-0.5B 零样本中文词错率为 0.8%，英文为 1.58%。
官方测试数据中，Ming-3-TTS-0.5B 声音设计得分为 72.29%。
0.5B 参数容量限制了 Ming-3-TTS-0.5B 在复杂情绪、长文本稳定性和极端音色上的表现，上限不如大模型。
8bit 量化版 Ming-3-TTS-0.5B 尾部偶尔有底噪。
全部知识事实 (10)
Ming-3-TTS-0.5B 是一个仅 0.5B 参数、同时支持零样本声音克隆和一句话声音设计的 TTS 模型。
50%待验证Ming-3-TTS-0.5B 的音频输出规格为 44.1kHz。
50%待验证Ming-3-TTS-0.5B 支持 7 种语言以及四川话、粤语等方言。
50%待验证Ming-3-TTS-0.5B 在 Q8 量化后大约需要 2GB 显存即可运行。
50%待验证Ming-3-TTS-0.5B 的架构包含 24 层、0.5B 主干用 GTOA 逐帧出特征，再由 8 层 DiT 在 64 维浅空间做流匹配去噪，最后经 Odo VAE 还原 44.1kHz 波形。
50%待验证Ming-3-TTS-0.5B 的克隆部分使用 CamPlus 提取 192 维说话人向量。
50%待验证官方测试数据中，Ming-3-TTS-0.5B 零样本中文词错率为 0.8%，英文为 1.58%。
50%待验证官方测试数据中，Ming-3-TTS-0.5B 声音设计得分为 72.29%。
50%待验证0.5B 参数容量限制了 Ming-3-TTS-0.5B 在复杂情绪、长文本稳定性和极端音色上的表现，上限不如大模型。
50%待验证8bit 量化版 Ming-3-TTS-0.5B 尾部偶尔有底噪。
50%