蚂蚁百灵在 10 月 20 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。开发者可以按任务单独选用，也可以把不同能力组合进自己的工作流。

Ming-3.0-tts 系列的 Voice Design 功能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。更具特色的是导演模式：创作者可以用文字说明台词的表演方式，描述情绪如何变化、哪些词需要重读，让合成语音更具表现力。

音频理解与对话系列则面向智能客服、语音助手等场景，语音识别系列覆盖转写需求。三个系列齐发，蚂蚁百灵显然想在语音 AI 开源生态里占据一个位置。

今年语音大模型竞争激烈，从各家的实时语音模型到开源语音方案，语音正在成为 AI 落地的下一个主战场。Ming-3.0 的开源为中文语音场景的开发者提供了新的选择，值得一试。

消息来源

https://www.1ai.net/news