蚂蚁集团开源 Ming-3.0 语音模型家族，支持音色设计与音频理解

蚂蚁集团10月20日开源 Ming-3.0 语音模型家族，共五款模型覆盖语音合成、音频理解、对话与语音识别，开发者可单独使用或组合构建语音应用。文生语音模型支持从参考录音克隆音色，并可通过自然语言描述设计音色，还能指定情绪、重音和语速。音频模型可对长录音做转写、摘要与分析，并保留说话人、情绪和背景音信息；蚂蚁称这些模型已用于阿福健康应用、支付宝搜索和内部办公工具。