Ming-3.0 开源发布：5 个音频模型，语音克隆达开源 SOTA
realmrfakename · x · 2026-10-19
ModelScope 发布 Ming-3.0 系列，共 5 个开源权重音频模型，覆盖可控语音合成、长录音分析与上下文感知转录。
- Ming-3.0-tts-0.5B 在 Artificial Analysis Controlled Voice 榜单以 1069 Elo 拿下开源权重语音克隆 SOTA，支持 8 个英文参考音色；支持从描述或参考设计音色、多语言合成与可控语气演绎。
- Ming-3.0-audio-flash 可对长音频转录、总结、分析并基于原文录音回答追问，作者对比中 BigBenchAudio S2T 得分 99.40。
- Ming-3.0-asr-tiny 支持热词与领域术语，面向业务场景转录。