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
IT之家 10 月 20 日消息，蚂蚁百灵今日宣布开源 Ming-3.0 语音系列，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。开发者可以按任务选择，也可以将不同能力组合进自己的工作流。 Ming-3.0-tts 系列的 Voice Design 可以用文字描述目标音色，同时也支持参考音频的音色设定。更具特色的是，创作者可以用导演模式说明台词的表演方式，描述情绪如何变化、哪些词需要重读，以及节奏应如何处理。 在蚂蚁，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，Ming-3.0-tts 已进入多类业务。它既可以独立承担配音，也可以与 Ming-3.0-asr-tiny 组合，连接语音输入和回答播报两个环节。 Ming-3.0-audio-flash / tiny 支持直接对长音频的转写、总结和观点分析等复杂理解，并进行结构化输出。相对传统的先语音识别逐字稿再分析的过程，能保留对话中的情绪、...
来自IT之家 AI的《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》。重点看智能体工作流、模型能力与工程、开源生态。摘要提到：IT之家 10 月 20 日消息，蚂蚁百灵今日宣布开源 Ming-3.0 语音系列，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。开发者可以按任务选择，也可以将不同能力组合进自己的工作流。 Ming-3.0-tts 系列的 Voice Design 可以用文字描述目标音色，同时也支持参考音频的音色设定。更具特色的是，创作者可以用导演模式说明台词的表演方式，描述情绪如何变化、哪些词需要重读，以及节奏应如何处理。 在蚂蚁，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，Ming-3.0-tts 已进入多类业务。它既可以独立承担配音，也可以与 Ming-3.0-asr-tiny 组合，连接语音输入和回答播报两个环节。 Ming-3.0-audio-flash / tiny 支持直接对长音频的转写、总结和观点分析等复杂理解，并进行结构化输出。相对传统的先语音识别逐字稿再分析的过程，能保留对话中的情绪、...
本站只提供摘要与原文入口。完整内容请阅读原文。
来源：IT之家 AI · ithome.com