蚂蚁inclusionAI开源Ming-3.0语音模型

2026年10月19日，蚂蚁集团旗下 AI 实验室 inclusionAI 在 GitHub 与 Hugging Face 同步开源 Ming-3.0 系列语音模型，一次性放出 5 款模型、覆盖 3 个语音能力家族，统一开放权重供社区下载与商用。 **Ming-3.0 系列一览** - **Ming-3.0-tts（0.5B）**：主打细粒度控制的语音合成，支持音色设计、韵律/副语言线索（paralinguistic cues）调控 - **Ming-3.0-tts Tiny（7.9B / A1.3B，MoE 架构）**：低算力部署版本，面向端侧与边缘场景 - **Ming-3.0-audio-flash**：面向音频理解的轻量模型，支持长录音摘要、口语问答、音乐与环境音识别，可输出工具调用请求 - 同时开源多个扩展版本，覆盖音色克隆、跨语种合成等场景 - 全部采用 Apache 2.0 协议，Hugging Face 与 GitHub 均可下载 **技术亮点** - **细粒度可控 TTS**：自然语言指令即可调节语速、音高、音量、情感、方言；粤语识别准确率官方报告达 93% - **零样本音色克隆**：3 秒以上参考音频即可复刻音色（Fun-CosyVoice3-0.5B-2512 同类能力） - **统一音频表示**：基于 Ming-UniAudio 单一编码器，同时支持语音识别、生成、编辑三类任务 - **小模型 SOTA**：0.5B 规模即在公开评测中追平主流 7B 模型 **战略意图** 蚂蚁 inclusionAI 自 2024 年起持续押注语音 AI，2026 年 3 月发布 Ming-omni-tts、2025 年发布 Ming-UniAudio 论文（arXiv 2511.05516）。本次 Ming-3.0 一次性放出 5 款模型，是其语音能力栈的全面升级，意味着： - **学术 → 工业落地**：从论文 demo 进入可商用阶段 - **端云协同**：Tiny MoE 版本瞄准手机、IoT、车机等端侧场景 - **生态扩张**：与 vLLM-Omni 推理引擎兼容，提供 OpenAI 兼容 /v1/audio/speech API **应用场景** - 客服语音助手与智能外呼 - 有声读物与播客自动配音 - 多语种/多方言短视频创作 - 实时语音翻译与会议纪要生成 **开源生态影响** Ming-3.0 与阿里 CosyVoice3、字节 Seed-TTS、商汤 SenseVoice 等共同形成「国产语音模型第一梯队」。开源 + 商用友好的 Apache 2.0 协议降低了中小企业的接入门槛，将进一步压缩 ElevenLabs、OpenAI TTS 等海外闭源方案的市占率。 ## 参考来源 1. inclusionAI GitHub 主仓（Ming-omni-tts）：https://github.com/inclusionAI/Ming-omni-tts 2. AntLingAGI 官方 X 推文（Ming-3.0 系列发布）：https://x.com/AntLingAGI/status/2112210811997540475 3. OrcaRouter 评测博文：https://www.orcarouter.ai/blog/ming-3-0-tts-0-5b-quiet-release 4. inclusionAI 官方博客（Ming-omni-tts 技术介绍）：https://www.inclusion-ai.org/zh/blog/ming-omni-tts/ 5. Hugging Face 模型页面：https://huggingface.co/inclusionAI/Ming-omni-tts-0.5B 6. vLLM-Omni 推理部署文档：https://recipes.vllm.ai/inclusionAI/Ming-omni-tts-0.5B 7. arXiv Ming-UniAudio 论文：https://arxiv.org/html/2511.05516v1