蚂蚁集团开源 Ming-3.0 语音模型系列
蚂蚁集团开源了五款 Ming-3.0 模型，涵盖语音合成、音频理解与对话、语音识别。开发者可按任务单独使用，也可组合接入工作流。语音合成模型支持通过文字或参考音频设计音色，并可指定情绪、重音和语速。音频模型能够转写、总结和分析长音频，并输出结构化结果；语音识别模型面向普通话、英语、方言及领域词汇进行优化。蚂蚁表示，这些模型已用于阿福健康助手、支付宝搜索和实时语音对话等业务。
本文来源：IT之家,AIbase，仅供学习参考，版权归原作者所有。