ithome
科技
娱乐
采集 2026-10-20T04:21:57+00:00
蚂蚁百灵开源Ming-3.0语音系列模型
原始标题:蚂蚁百灵开源 Ming-3.0 语音系列模型,覆盖语音合成、音频理解与对话、语音识别
来源
ithome
发布时间
2026-10-20T01:34:53
采集批次
2026-10-20-04
字数
695
URL 指纹
c09c85dba60673fa
📌 AI 总结(153 字)
蚂蚁百灵宣布开源Ming-3.0语音系列,共五款模型,覆盖语音合成、音频理解与对话、语音识别。开发者可按任务选用,也可将语音输入、内容理解和回答播报组合成工作流。相关模型已应用于阿福对话与语音通话、医生助手、支付宝搜索、智能办公和实时客服等场景,开发者可通过Ling Studio及相关平台体验或调用接口。
📄 正文(695 字)
蚂蚁百灵宣布开源Ming-3.0语音系列模型,分别提供语音合成、音频理解与对话、语音识别三个系列,共五款模型。开发者可以根据具体任务选择相应模型,也可以将不同能力组合到自己的工作流中。 Ming-3.0-tts系列中的Voice Design功能支持通过文字描述目标音色,也支持参考音频设定音色。创作者还可以使用导演模式说明台词的表演方式,包括情绪变化、词语重读位置和节奏处理。 目前,Ming-3.0-tts已进入蚂蚁多类业务,包括阿福App的主对话与语音通话、医生音色克隆以及小虎智能办公。该模型既可以独立完成配音,也可以与Ming-3.0-asr-tiny组合,连接语音输入和回答播报环节。 Ming-3.0-audio-flash和Ming-3.0-audio-tiny支持直接处理长音频,可完成转写、总结、观点分析和结构化输出等任务。与先将语音识别为文字、再进行分析的传统流程相比,该系列能够保留对话中的情绪、说话人身份和环境等信息,同时需要具备长上下文序列的快速推理能力。 Ming-3.0-asr-tiny通过普通话、英文、方言和领域热词等高质量语料构建训练数据,并结合语言模型的上下文理解能力,利用候选热词列表和对话上下文信息,提升真实业务场景中的语音识别效果。 目前,Ming-3.0-asr-tiny已应用于阿福医生助手、支付宝搜索、蚁小保实时语音对话和安全核身等场景。开发者可通过Ling Studio体验音频理解与对话能力,并调用Ming-3.0-tts-0.5B、Ming-3.0-audio-flash和Ming-3.0-asr-tiny的API服务。