🎉 开源音频模型变天了！ 蚂蚁这次开源 Ming 3.0有点东西，某些闭源商业公司躺着数钱的日子到头了 这次深度体验了它的 TTS 模型，堪称导演级语音合成… · @Lonely__MH · TwKit

@Lonely__MH

🎉 开源音频模型变天了！ 蚂蚁这次开源 Ming 3.0有点东西，某些闭源商业公司躺着数钱的日子到头了 这次深度体验了它的 TTS 模型，堪称导演级语音合成！ 支持： 1. 声音克隆/设计 2. 控制情绪、重读、副词语气 配音说话终于不像机器人了 这套模型基于 MIT 协议完全免费商用，支持一键部署 它由三款核心模型组成，直接打通了全栈音频工作流： 1. Ming-3.0-tts（语音合成）：声音克隆与语气控制极强，原生支持多音色并发，适合一键生成高质量“多人播客 2. Ming-3.0-audio（音频推理）：1260 亿 MoE 大模型，懂环境音和说话人身份，与 TTS 无缝拼接，就能秒变同声传译工作流！ 3. Ming-3.0-asr（语音识别）：极其轻量、高精度的转写模型，适合本地会议纪要或实时语音输入 做了一个可视化操作页面演示下TTS能力 👇🏻

曝光 1556 · 评论 5 · 点赞 13 · 书签 19