蚂蚁百灵开源 Ming-3.0 语音系列 五款模型覆盖合成、理解与识别

蚂蚁百灵宣布开源 Ming-3.0 语音系列，涵盖语音合成、音频理解与对话、语音识别三个方向共五款模型。开发者既可按任务单独选用，也能将不同能力组合进自有工作流。Ming-3.0-tts 的 Voice Design 支持用文字描述目标音色，也可参考音频设定，并提供导演模式，可具体说明情绪变化、重读词语与节奏处理。Ming-3.0-audio-flash/tiny 能直接对长音频完成转写、总结与观点分析，保留情绪、说话人身份等上下文信息。Ming-3.0-asr-tiny 基于普通话、英文、方言及领域热词语料优化识别效果，已在支付宝搜索、医生助手等场景应用。五款模型现已在 Hugging Face 和 ModelScope 开放下载，并提供 API 服务。