蚂蚁 inclusionAI 开源 Ming-3.0 五款语音模型

蚂蚁集团 inclusionAI（AntLingAGI）于 10 月 19—20 日在 Hugging Face 与 ModelScope 开源 Ming-3.0 系列共 5 个语音模型，全部采用 MoE 架构，规模从 0.5B 到 126B 总参数（激活 6.5B），均以 MIT 协议开放权重，vLLM-Omni 提供首日（Day-0）推理支持。

已确认

• Ming-3.0-tts 家族：tts-0.5B 支持音色设计与副语言线索；tts（7.9B，激活 1.3B）擅长长篇语音生成；另有帖子提及 tts-tiny（9B）文本转语音规格。
• Ming-3.0-audio 家族：audio-tiny 为 9.3B 紧凑型原生音频语言模型，接受音频+文本指令输入，支持语音识别、口语问答、音频理解与推理，可选用内置音色或参考音色合成语音；audio-flash 为 126B 总参数 / 6.5B 激活，支持音频理解 + 语音输出。
• 系列覆盖可控语音合成、长录音分析与上下文感知转录。
• 据 @AdinaYakup 与转发帖 @realmrfakename 转述，Ming-3.0-tts-0.5B 在 Artificial Analysis Controlled Voice 榜单登顶开源 TTS，语音克隆达到开源 SOTA 水平（来自 ModelScope 发布信息，非独立验证）。

为什么重要

• 以 MIT 协议一次性开源覆盖 TTS、ASR、音频理解三大方向的完整模型家族，且提供 vLLM-Omni 首日支持，降低了社区部署与二次开发门槛。
• 从 0.5B 到 126B-A6.5B 的规格跨度兼顾端侧与高能力场景，配合榜单成绩，构成对闭源语音模型的有力开源替代。

2026-10-19 ~ 2026-10-20 · 6 条相关

• 蚂蚁系 inclusionAI 开源 Ming-3.0-audio-tiny：9.3B MoE 音频语言模型 — jacek2023 · 2026-10-19
• 【源头】inclusionAI 开源 Ming-3.0-audio-flash:126B MoE 音频模型,MIT 协议 — BerryBlush_Rogers691 · 2026-10-19
• Ming-3.0 开源发布：5 个音频模型，语音克隆达开源 SOTA — realmrfakename · 2026-10-19
• 【源头】蚂蚁开源 Ming-3.0 语音模型，TTS 登顶 Artificial Analysis 开源榜 — AdinaYakup · 2026-10-20
• 【源头】蚂蚁开源 Ming-3.0 五款语音模型，vLLM-Omni 首日支持 — vllm_project · 2026-10-20

另有 1 条近重复转述:AccBalanced