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

📋总体概括

蚂蚁集团百灵团队10月20日宣布开源Ming-3.0语音系列模型，覆盖语音合成（TTS）、音频理解与对话、语音识别（ASR）三条产品线共五款模型，开发者可按任务单独选用或将多种能力组合进自有工作流。其中TTS系列的Voice Design支持文字描述音色与参考音频设定，并提供「导演模式」，可用自然语言指定情绪变化、重读词与节奏处理。该系列已在蚂蚁内部落地，包括阿福App主对话与语音通话、医生音色克隆、小虎智能办公等业务，也可与Ming-3.0-asr-tiny组合打通语音输入到回答播报的完整链路。