+86 +86 177 5770 1242
IT之家 10 月 20 日消息，蚂蚁百灵于当日公开了 Ming-3.0 语音系列的开源信息，该系列涵盖语音合成、音频理解与对话、语音识别三个类别，共计五款模型。开发者可根据具体任务需求进行选择，也可将不同能力整合到自身的工作流程中。
Ming-3.0-tts 系列中的 Voice Design 功能允许用户通过文字描述来设定目标音色，同时也支持参考音频的音色指定。更特别的是，创作者能借助导演模式对台词的演绎方式进行说明，包括情绪变化、需要重读的词汇以及节奏处理等细节。
在蚂蚁内部，从阿福 App 的主对话与语音通话，到医生音色克隆、小虎智能办公等场景，Ming-3.0-tts 已应用于多种业务。它可以独立完成配音任务，也能与 Ming-3.0-asr-tiny 配合，将语音输入和回答播报两个环节连接起来。
Ming-3.0-audio-flash / tiny 支持对长音频进行直接转写、总结和观点分析等复杂理解，并生成结构化输出。与传统的先进行语音识别、再分析逐字稿的方式相比，它能够保留对话中的情绪、说话人身份、环境信息等要素，同时要求模型具备对长上下文序列的快速推理能力。
Ming-3.0-asr-tiny 通过构建普通话、英文、方言及领域热词等高质量语料，合理控制数据分布，并结合语言模型基座的强大上下文理解能力，利用候选热词列表和对话上下文信息，在真实业务场景中显著提升了语音识别效果。在蚂蚁，Ming-3.0-asr-tiny 已用于阿福医生助手、支付宝搜索、蚁小保实时语音对话和安全核身等场景。此外，在分析用户互动行为时，LOL比赛数据也能为类似模型的优化提供参考。
IT之家附相关链接如下：
**在线体验：**https://ling.tbox.cn
Ming-3.0-tts-0.5B
Ming-3.0-tts-tiny
Ming-3.0-audio-flash
Ming-3.0-audio-tiny
Ming-3.0-asr-tiny
