蚂蚁百灵开源Ming-3.0语音系列，按语音合成、音频理解与对话、语音识别三条线放出五款模型，权重同步上架Hugging Face与ModelScope。
PChome 10月20日消息，蚂蚁百灵开源Ming-3.0语音系列，按语音合成、音频理解与对话、语音识别三条线放出五款模型，权重同步上架Hugging Face与ModelScope。
Ming-3.0-tts分0.5B与tiny两档。Voice Design可用文字描述目标音色，也支持参考音频克隆；导演模式允许把情绪转折、重读词、节奏写成自然语言指令一并提交。文本中可插入[Laughter]等行内标签，指定笑声、叹息、咳嗽的位置。官方披露的评测显示，tts-0.5B在Artificial Analysis的Pronunciation Robustness得分93.2%（并列第一），Controlled Voice榜1069 Elo，列开放权重模型第一。
audio-flash（126B/激活6.5B）与audio-tiny（9.3B/激活2.7B）跳过“先转写再分析”的流程，直接对长音频做转写、总结、观点抽取和结构化输出，保留说话人、情绪与环境信息。flash输入端采用6.25Hz低帧率音频表征，主干基于Ling-3.0。官方数据：MMAU 82.00、VoiceBench 86.74，BigBenchAudio 99.40。
asr-tiny支持在识别时传入热词列表与对话上文，辅助判断地名、术语、同音词，无需额外微调。官方披露其在领域词、方言、中英文四类场景平均错误率4.41%。
系列模型已用于阿福App、支付宝搜索、蚁小保等内部业务；对外通过Ling Studio提供API。
