蚂蚁百灵开源 Ming-3.0 语音系列模型,覆盖语音合成、音频理解与对话、语音识别
蚂蚁百灵 10 月 20 日宣布开源 Ming-3.0 语音系列模型,共五款,覆盖语音合成、音频理解与对话、语音识别三个方向。其中 TTS 系列的 Voice Design 支持文字描述目标音色,导演模式可控制台词的情绪、重读与节奏;audio 系列能直接对长音频做转写、总结和观点分析,保留情绪与说话人信息。
语音合成、识别与音频理解全链路以开源形式放出,企业自建语音交互的获取门槛降低,并有蚂蚁内部业务实际使用可作参照。
- 影响客服对话、语音搜索、核身等语音链路有蚂蚁内部落地可作参照,试点成本可控;长音频理解保留情绪与说话人信息,适合质检、访谈分析类需求;开源组合可减少对单一商用语音供应商的依赖。
- 参考可考虑先用 Ling Studio 在线体验验证音色定制与方言热词识别是否满足业务;值得盘点现有语音识别与播报环节的用量和费用,对比自建与采购的差距。