新闻动态

  • 首页 新闻动态 蚂蚁大开源,五款语音模型让你High起来!

蚂蚁大开源,五款语音模型让你High起来!

2026-10-21

你有没有想过,一个声音可以承载多少个性?10月20日,蚂蚁百灵就像一位魔法师,把五款神奇的语音模型从它的魔法箱子里拿了出来!这些模型分属语音合成、音频理解与对话、语音识别三个系列,简直可以构建出一个“语音奥林匹克”,让开发者们来挑选你爱的“项目”!

首先,咱们来聊聊语音合成系列。Ming-3.0-tts系列里的Voice Design就像一个调音师,可以根据你的要求来塑造一个独特的声音,甚至可以用参考音频来调整。不仅如此,还有个“导演模式”,让你能像指挥家一样,告诉它台词的表演方式、情绪变化甚至是词语重音的位置!配音的乐趣从“选个声音”变成了“给出指令”,感觉就像换了个赛道,速度瞬间提升!

而这些“声音小精灵”可不是盘古开天地的神话角色,它们在蚂蚁内部早就活跃了起来。从阿福App里的对话、语音通话,甚至到医生音色克隆和智能办公,都能见到它们的身影。Ming-3.0-tts不仅能独立担当配音的重任,还能和Ming-3.0-asr-tiny这位“搭档”无缝结合,将语音输入和回答播报串成一条龙。 皇冠体彩企业官网

接下来讲讲音频理解领域。想象一下,Ming-3.0-audio-flash/tiny就像是一个信息侦探,能够一口气听完长音频,然后转写、总结和分析观点,最厉害的是它还能把对话中情绪和身份信息都放进输出里,就像为每个细节都加上了标签。而传统模式则像是在慢慢拼拼图,步骤繁琐又容易遗漏。

再聊聊语音识别领域。Ming-3.0-asr-tiny建立的是一个普通话、英文、方言和领域热词的青少年乐队,它们在合理控制分布的同时,加上语言模型的上下文理解,能对真实场景的语音识别效果大幅提升。这可是蚂蚁内部的一线应用,医生助手、支付宝搜索、语音对话等场景都少不了它的帮忙。

好消息是,现在开发者们可用的入口已经摆在眼前了!想在线体验?上ling.tbox.cn;想访问音频理解与对话?去Ling Studio Chat挑选Ming-3.0-audio-flash API吧;更有一手好货的API服务,Ming-3.0-tts-0.5B、Ming-3.0-audio-flash和Ming-3.0-asr-tiny,现在在Hugging Face和ModelScope上都可以下载。这一波操作让每个业务环节都有了开源的选择,想试试吗?快来加入这场语音狂欢吧! 皇冠体彩企业官网

about image