北京
IT时代网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。创作者还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 与 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，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，该方式能保留对话中的情绪、说话人身份、环境信息等。
Ming-3.0-asr-tiny 通过构建普通话、英文、方言、领域热词等高质量语料，结合候选热词列表与对话上下文信息，为真实业务场景带来语音识别效果的提升。在蚂蚁，该模型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。
注：本文配图由AI生成。本文综合自IT之家等，文中包含AI辅助创作的内容。
编辑：林一舟
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.
