inclusionAI 开源 Ming-3.0 语音系列模型

蚂蚁百灵（Ant Ling）宣布开源 Ming-3.0 系列 3 个语音家族共 5 个模型。包括 Ming-3.0-tts（0.5B 声音设计与副语言线索，Tiny 7.9B 总参数、1.3B 激活的长语音生成）、Ming-3.0-audio（Flash 126B 总参数、6.5B 激活的理解与工具调用，Tiny 9.3B 总参数、2.7B 激活的高效对话）和 Ming-3.0-asr（Tiny 8.6B 总参数、2B 激活，支持方言与上下文语音识别）。

inclusionAI 发布 Ming-3.0-asr-tiny，将 Ling-tiny-v3 语言骨干与音频编码器结合，支持中英文及方言单轮语音转写。模型在 15 个方言测试集上完成评测，覆盖粤语、闽南语和上海话，并支持以热词或前序对话作为上下文提升领域术语识别。权重、tokenizer 与推理示例已开源，采用 MIT 许可。

inclusionAI 在 Hugging Face 发布原生音频语言模型 Ming-3.0-audio-flash，采用 MoE 架构，总参数 126B、每次推理激活 6.5B，支持中英文语音识别、语音问答、长音频理解、音频推理和可选合成语音输出。

inclusionAI 推出紧凑型原生音频语言模型 Ming-3.0-audio-tiny，采用 MoE 架构，总参数 9.3B、每次推理激活 2.7B，以 MIT 许可开源。该模型支持中英文语音识别、语音问答、长音频理解、音频推理，并可选用内置或参考音色合成语音回复。文本与 ASR 输出可用单卡 vLLM-Omni 或 SGLang 部署。

inclusionAI 在 Hugging Face 发布 Ming-3.0-tts-tiny，基于 Ling V3 的 MoE 架构，总参数 7.9B、每 token 激活约 1.3B，MIT 许可。

inclusionAI 发布 Ming-3.0-tts-0.5B，基于 Qwen2.5-0.5B 的 Dense 语音合成模型，MIT 协议开源在 Hugging Face。支持中英德西法韩日多语言及四川话、粤语，提供零样本克隆、自然语言音色设计、14 种副语言标签和情绪语速音调音量控制，附 Seed-TTS、NVbench 等基准结果与已知局限。

inclusionAI 发布开源语音合成模型 Ming-3.0-tts，提供 0.5b 密集模型和基于 Ling V3 的 tiny MoE 模型（7.9B 总参数、1.3B 激活），采用 MIT 协议，权重和推理代码已上线 Hugging Face 与 ModelScope。

inclusionAI 发布 Ming-3.0-asr-tiny，将 Ling-tiny-v3 语言模型与音频编码器结合，支持中英文转写、方言识别和 Context ASR。