广东
分享至
智通财经APP获悉，2月11日，蚂蚁集团正式对外开源其最新一代全模态大模型Ming-Flash-Omni 2.0。该模型在多项公开基准测试中展现出卓越性能，尤其在视觉语言理解、语音可控生成以及图像生成与编辑等核心能力上表现突出，部分指标已超越Gemini 2.5 Pro。
Ming-Flash-Omni 2.0同时也是业内首个支持全场景音频统一生成的模型，能够在单一音轨内同步合成语音、环境音效与背景音乐。用户仅需通过自然语言指令，即可对音色、语速、语调、音量、情绪乃至方言等参数实施精细化调控。
在推理效率方面，该模型实现了3.1Hz的极低推理帧率，能够实时生成高保真度的分钟级长音频，在兼顾生成质量的同时显著优化了计算成本与响应速度。
蚂蚁集团在全模态方向已持续投入多年，Ming-Omni系列迭代三个版本，此次将Ming-Flash-Omni2.0开源，意味着其核心能力以“可复用底座”的形式对外释放，为端到端多模态应用开发提供统一能力入口。用户也可通过蚂蚁百灵官方平台Ling Studio在线体验与调用。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
