百灵开放五款语音模型供开发者组合

IT之家#语音模型#开源#多模态

Editor brief · 编辑速览

蚂蚁百灵开源 Ming-3.0 语音系列，五款模型覆盖语音合成、音频理解与对话、语音识别。能力包括文字设定音色与表演方式、长音频结构化分析，以及结合热词和上下文识别语音，部分模型提供 API。

文章思维导图

Knowledge map

拖拽缩放

Full translation

完整中文译文

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，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，也支持通过参考音频设定音色。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 支持直接对长音频进行转写、总结和观点分析等复杂理解任务，并输出结构化结果。相较于传统的先通过语音识别生成逐字稿、再进行分析的流程，这种方式能保留对话中的情绪、说话人身份、环境信息等，也要求模型具备对长上下文序列进行快速推理的能力。

Ming-3.0-asr-tiny 通过构建涵盖普通话、英文、方言、领域热词等内容的高质量语料，合理控制语料分布，再结合语言模型基座强大的上下文理解能力，利用候选热词列表和对话上下文信息，全面提升真实业务场景中的语音识别效果。

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。

在线体验：Ling Studio。

在线体验：访问 Ling Studio Chat，选择 Ming-3.0-audio-flash，体验音频理解与对话能力。

API 调用：Ling Studio 提供 Ming-3.0-tts-0.5B、Ming-3.0-audio-flash 和 Ming-3.0-asr-tiny 的 API 服务。

Hugging Face：inclusionAI/Ming-3.0-tts-0.5B。

ModelScope：inclusionAI/Ming-3.0-tts-0.5B。

Hugging Face：inclusionAI/Ming-3.0-tts-tiny。

ModelScope：inclusionAI/Ming-3.0-tts-tiny。

Hugging Face：inclusionAI/Ming-3.0-audio-flash。

ModelScope：inclusionAI/Ming-3.0-audio-flash。

Hugging Face：inclusionAI/Ming-3.0-audio-tiny。

ModelScope：inclusionAI/Ming-3.0-audio-tiny。

Hugging Face：inclusionAI/Ming-3.0-asr-tiny。

ModelScope：inclusionAI/Ming-3.0-asr-tiny。

广告声明：文内含有的对外跳转链接（包括但不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考。IT之家包含外链的文章均包含本声明。

软媒旗下网站：IT之家、最会买 - 返利返现优惠券、iPhone之家、Win7之家、Win10之家、Win11之家。

软媒旗下软件：软媒手机 APP 应用、魔方、最会买、要知。