A Ant Group lançou sua família de modelos de fala Ming-3.0 em 20 de outubro, disponibilizando cinco modelos para uso em áreas como síntese de fala, compreensão de áudio, condução de diálogos e reconhecimento de fala. Os desenvolvedores podem aplicar esses modelos individualmente ou integrá-los em aplicativos baseados em voz.
Os modelos de conversão de texto em fala suportam clonagem de voz com base em amostras de gravação e também permitem o design de voz por meio de descrições em linguagem natural. Os usuários podem controlar a entrega da fala especificando parâmetros como entonação emocional, acentuação e ritmo.
Os modelos de áudio são capazes de realizar transcrição, sumarização e análise de gravações longas, mantendo informações sobre os falantes, suas emoções e ruídos de fundo. A Ant informou que esses modelos já estão integrados em serviços como o aplicativo de saúde Afu, a busca do Alipay e ferramentas internas de escritório da empresa.