Ant group lança modelos de fala de código aberto Ming-3.0 para conversão de texto em fala, compreensão de áudio e reconhecimento de fala

Em 20 de outubro de 2026, a Ant Group anunciou o lançamento de código aberto da sua série Ming-3.0 de modelos de fala, que inclui modelos para conversão de texto em fala (TTS), compreensão de áudio e diálogo, e reconhecimento de fala. A série compreende cinco modelos, permitindo que os desenvolvedores escolham com base nas suas tarefas específicas ou combinem diferentes capacidades nos seus fluxos de trabalho. O modelo Ming-3.0-tts permite que os utilizadores descrevam as características de voz alvo através de texto ou áudio de referência, com um modo de director único para especificar nuances de desempenho, como mudanças emocionais, ênfase e ritmo. Os modelos Ming-3.0-audio-flash e tiny suportam o processamento de áudio avançado, incluindo transcrição, sumarização e análise de sentimento de arquivos de áudio longos, preservando elementos contextuais como a identidade do orador e pistas ambientais. Estes modelos já estão integrados em várias aplicações da Ant, incluindo o Afu app, clonagem de voz médica e verificação de segurança. Os desenvolvedores podem aceder aos modelos através do Ling Studio, serviços de API e plataformas como Hugging Face e ModelScope.