Tập đoàn Ant mã nguồn mở chuỗi mô hình giọng nói Ming-3.0

Tập đoàn Ant đã mở mã nguồn dòng mô hình giọng nói Ming-3.0 dưới giấy phép MIT, bao gồm năm mô hình trải dài trên các lĩnh vực tổng hợp giọng nói, hiểu âm thanh và nhận dạng giọng nói. Bản phát hành này bao gồm các mô hình như Ming-3.0-tts-0.5B, Ming-3.0-audio-flash và Ming-3.0-asr-tiny, hiện đã có sẵn trên Hugging Face và ModelScope. Bản phát hành này cung cấp cho các nhà phát triển và nhà nghiên cứu các công cụ mã nguồn mở thiết thực, hiệu suất cao để xử lý âm thanh, thúc đẩy đáng kể khả năng tiếp cận các tính năng AI giọng nói tinh vi. Bằng cách cung cấp khả năng điều khiển chi tiết như chế độ đạo diễn TTS và khả năng hiểu âm thanh dài trực tiếp, nó hỗ trợ tạo ra các ứng dụng hỗ trợ giọng nói phong phú hơn trong nhiều ngành công nghiệp khác nhau. Dòng Ming-3.0-tts có tính năng thiết kế giọng nói thông qua văn bản hoặc âm thanh tham khảo cùng với 'chế độ đạo diễn' để kiểm soát cảm xúc và nhịp điệu, trong khi mô hình audio-flash xử lý các tác vụ âm thanh dài phức tạp một cách nguyên bản mà không cần bản ghi chép trung gian. Ngoài ra, mô hình asr-tiny tích hợp ngữ cảnh mô hình ngôn ngữ lớn để cải thiện độ chính xác trên tiếng Quan Thoại, tiếng Anh, các phương ngữ và từ khóa nóng.