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，蚂蚁百灵于今日正式对外公开了 Ming-3.0 语音系列模型，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，亦可将不同能力模块整合至自身工作流程中。

Ming-3.0-tts 系列中的 Voice Design 功能支持通过文字描述来设定目标音色，同时也允许使用参考音频进行音色配置。其独特之处在于，创作者可借助导演模式来指定台词的表演方式，包括情绪变化、需要重读的词汇以及节奏处理细节。

在蚂蚁内部，从阿福 App 的主对话与语音通话功能，到医生音色克隆、小虎智能办公等场景，Ming-3.0-tts 已应用于多项业务。该模型既可独立完成配音任务，也能与 Ming-3.0-asr-tiny 配合，衔接语音输入与回答播报两个环节。

Ming-3.0-audio-flash / tiny 模型能够直接对长音频进行转写、总结及观点分析等复杂理解操作，并生成结构化输出。相较于传统的先进行语音识别获取逐字稿再分析的方式，该模型可保留对话中的情绪、说话人身份、环境信息等要素，同时还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 通过构建涵盖普通话、英文、方言及领域热词的高质量语料，合理控制数据分布，并借助语言模型基座的强大上下文理解能力，利用候选热词列表与对话上下文信息，在真实业务场景中实现了语音识别效果的全面提升。

在蚂蚁，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及安全核身等场景。爱游戏作为合作伙伴，也对这些技术的落地提供了支持。

IT之家附相关链接如下：

**在线体验：**https://ling.tbox.cn

• 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

Ming-3.0-tts-0.5B

• Hugging Face：https://huggingface.co/inclusionAI/Ming-3.0-tts-0.5B
• ModelScope：https://www.modelscope.cn/models/inclusionAI/Ming-3.0-tts-0.5B

Ming-3.0-tts-tiny

• Hugging Face：https://huggingface.co/inclusionAI/Ming-3.0-tts-tiny
• ModelScope：https://www.modelscope.cn/models/inclusionAI/Ming-3.0-tts-tiny

Ming-3.0-audio-flash

• Hugging Face：https://huggingface.co/inclusionAI/Ming-3.0-audio-flash
• ModelScope：https://www.modelscope.cn/models/inclusionAI/Ming-3.0-audio-flash

Ming-3.0-audio-tiny

• Hugging Face：https://huggingface.co/inclusionAI/Ming-3.0-audio-tiny
• ModelScope：https://www.modelscope.cn/models/inclusionAI/Ming-3.0-audio-tiny

Ming-3.0-asr-tiny

• Hugging Face：https://huggingface.co/inclusionAI/Ming-3.0-asr-tiny
• ModelScope：https://www.modelscope.cn/models/inclusionAI/Ming-3.0-asr-tiny