返回快讯列表
开源生态

蚂蚁开源 Ming-3.0 语音合成模型,支持文本设计音色与副语言控制

Ming-3.0-tts 提供 0.5B 稠密版和 7.9B MoE tiny 版,开放推理代码与权重,覆盖音色设计、克隆、多语言和笑声等表达控制。

蚂蚁 inclusionAI 在10月19日的 Ming-3.0 语音系列发布中公开了 TTS 推理代码与使用资料。语音合成部分包含0.5B稠密模型和基于 Ling V3 的 tiny 版本,后者总参数7.9B、激活参数1.3B,代码和模型卡采用 MIT 许可证。

这组模型把音色与表达控制交给使用者:既能从短参考录音克隆声音,也能用文字描述设计音色,并调整情绪、语速、音高和音量。官方提供100多种中文、5种英文内置音色,以及14种笑声、叹息等副语言标签;语言覆盖中英德西法韩日,并支持四川话和粤语。

仓库提供本地推理代码、任务 cookbook 和评测表,涵盖音色设计、语音克隆和表达控制。不同控制能力使用各自的任务模式,不能假设所有选项可以任意叠加;多角色对话则由 tiny 支持。

更多快讯