10 月 20 日，蚂蚁百灵宣布开源 Ming-3.0 语音系列，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。开发者可按任务选择，也可以将不同能力组合进自己的工作流。
Voice Design：用文字或参考音设定音色
Ming-3.0-tts 系列的 Voice Design 功能支持用文字描述目标音色，同时也支持凭参考音频克隆目标音色。这意味着即使用户没有专业录音，也可以快速生成具有特定音色的语音内容。更有特色的是导演模式，创作者可以在音色描述中说明台词的表演方式，详细描述情绪如何变化、哪些词需要加重或轻读，让合成语音告别念稿感。
三系列覆盖语音处理全链路
除了语音合成（Ming-3.0-tts），该系列还包括音频理解与对话系列（可同时完成语音识别和语义理解），以及独立的语音识别系列。五款模型均已登陆 GitHub，支持 ONNX 导出，方便在各类硬件上部署。这一组合在国内开源语音模型中尚属首次，填补了从合成到理解的全链路开源空白。
行业影响
此前国内开源语音模型多聚焦单一任务，中小开发者若要构建完整语音应用，需要拼接多个供应商的接口。Ming-3.0 的发布让开发者可以一套模型覆盖语音全链路，降低了 AI 语音应用的开发门槛，也有望推动语音 AI 在教育、娱乐、医疗等场景的快速落地。
延伸阅读
- OpenAI 前工程师保释申请遭驳回：被控在办公室安装窃听设备，押后狱中审判1 小时前
- 蚂蚁百灵开源 Ling-3.1-flash：560B MoE、25B 激活参数4 天前
- 蚂蚁百灵开源Ming-3.0语音系列：五款模型覆盖合成、理解与识别，导演模式可描述情绪37 分前
- 蚂蚁百灵开源 Ling-3.1-flash：560B MoE、1M 上下文4 天前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- OpenAI 前工程师保释申请遭驳回：被控在办公室安装窃听设备，押后狱中审判2026-10-20
- AI 仅凭面部照片预测癌症存活率：4000 万张图像训练、3 万患者验证，补充临床判断2026-10-20
- 蚂蚁百灵开源 Ling-3.1-flash：560B MoE、25B 激活参数2026-10-16