产品简介
蚂蚁百灵于 2026 年 10 月 19 日开源 Ming-3.0 语音系列，共包含3个家族5个模型，覆盖语音合成、音频理解与语音识别三大方向。其中Ming-3.0-tts包含0.5B语音设计与副语言线索模型，以及7.9B总参数、1.3B激活的Tiny长语音模型；Ming-3.0-audio提供Flash版本126B总参数、6.5B激活，支持音频理解与工具调用，Tiny版本9.3B总参数、2.7B激活，面向高效对话；Ming-3.0-asr-tiny为8.6B总参数、2B激活，支持方言与上下文识别。TTS支持七种语言加两种方言，ASR支持热词列表与对话上下文。模型通过Hugging Face与GitHub的inclusionAI组织发布。
核心功能
- 多模型矩阵：3个家族5个模型覆盖语音合成、音频理解与语音识别，满足不同任务需求。
- 语音设计能力：0.5B语音设计与副语言线索模型，可对语音风格与副语言特征进行设计。
- 长语音合成：7.9B总参数、1.3B激活的Tiny长语音模型，面向长语音合成场景。
- 音频理解与工具调用：Flash版本126B总参数、6.5B激活，支持音频理解与工具调用。
- 方言与上下文识别：ASR支持方言识别，并支持热词列表与对话上下文辅助识别。
- 多语言多方言：TTS支持七种语言加两种方言，覆盖多语言语音合成需求。
适合谁用
以下类型的用户会特别受益于 蚂蚁百灵 Ming-3.0 语音：
- 在智能客服场景中，使用Ming-3.0-asr-tiny结合热词列表与对话上下文，提升方言与专有名词的识别准确度。
- 为有声内容创作长语音时，调用Ming-3.0-tts的Tiny长语音模型，以较低激活参数完成长文本合成。
- 需要定制语音风格时，使用0.5B语音设计与副语言线索模型，对音色与副语言特征进行设计。
- 在音频分析应用中，采用Ming-3.0-audio Flash版本进行音频理解，并通过工具调用衔接外部服务。
- 面向高效对话的语音交互产品，可选用Ming-3.0-audio Tiny版本，以9.3B总参数、2.7B激活运行。
- 多语言内容分发场景中，利用TTS的七种语言与两种方言能力，生成对应语种的语音内容。
优点亮点
- Ming-3.0-tts登顶Artificial Analysis开源TTS双榜，体现该系列在开源语音合成领域的表现。
- 系列共3个家族5个模型，覆盖语音合成、音频理解与语音识别，选择空间较为完整。
- TTS支持七种语言加两种方言，ASR支持方言与上下文识别，多语言多方言场景适配度较高。
- Ming-3.0-audio Flash版本支持音频理解与工具调用，可衔接外部工具完成复合任务。
- 模型通过Hugging Face与GitHub的inclusionAI组织开源发布，获取与复现路径清晰。
- Tiny系列以较低激活参数运行，如ASR-tiny为2B激活，便于在资源受限环境中部署。
价格与方案
Ming-3.0 语音系列为开源模型，权重与代码通过 Hugging Face 与 GitHub 的 inclusionAI 组织发布，无需按调用量付费，使用成本取决于自行部署的硬件与运维条件。
总结与建议
Ming-3.0语音系列是蚂蚁百灵于2026年10月19日开源的语音模型集合，含3个家族5个模型，覆盖语音合成、音频理解与语音识别。TTS支持七种语言加两种方言并登顶Artificial Analysis开源TTS双榜，ASR支持热词列表与对话上下文。模型通过Hugging Face与GitHub的inclusionAI组织发布，适合需要多语言语音能力且倾向自行部署的团队评估选用。
版本演进
- Ming-3.0 语音系列开源：五个模型，覆盖合成、理解与识别 （2026-10-19）：蚂蚁百灵于 2026 年 10 月 19 日开源 Ming-3.0 语音系列，共三个家族五个模型。Ming-3.0-tts 含 0.5B 语音设计与副语言线索模型，以及 7.9B 总参数、1.3B 激活的 Tiny 长语音模型。Ming-3.0-audio 含 126B 总参数、6.5B 激活的 Flash 理解与工具调用模型，以及 9.3B 总参数、2.7B 激活的 Tiny 高效对话模型。Ming-3.0-asr-tiny 为 8.6B 总参数、2B 激活的方言与上下文识别模型。TTS 支持七种语言加两种方言，ASR 支持热词列表与对话上下文，Ming-3.0-tts 登顶 Artificial Analysis 开源语音合成双榜。