蚂蚁百灵开源 Ming-3.0 语音系列：五款模型覆盖语音合成、识别与理解
【摘要】 蚂蚁百灵宣布开源 Ming-3.0语音系列，共计五款模型，覆盖语音合成、音频理解与对话、语音识别三类能力。开发者既可以按任务单独挑选，也能把不同能力拼进自己的工作流里。在语音合成一侧，Ming-3.0-tts 系列的 Voice Design 允许用文字直接描述想要的音色，也支持用参考音频来设定声音特质。它更有意思的一处是"导演模式":创作者可以写明台词的表演方式，交代情绪如何起伏、哪些词需...
蚂蚁百灵宣布开源 Ming-3.0语音系列，共计五款模型，覆盖语音合成、音频理解与对话、语音识别三类能力。开发者既可以按任务单独挑选，也能把不同能力拼进自己的工作流里。
在语音合成一侧，Ming-3.0-tts 系列的 Voice Design 允许用文字直接描述想要的音色，也支持用参考音频来设定声音特质。它更有意思的一处是"导演模式":创作者可以写明台词的表演方式，交代情绪如何起伏、哪些词需要重读、节奏该怎么处理，相当于把配音的二度创作也交给了模型。在蚂蚁内部，这套能力已经落进多条业务线——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 都在其中。它既能独立承担配音，也能和 Ming-3.0-asr-tiny 组合，把语音输入和回答播报两个环节接起来
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）