Компания Ant Group выпустила свою семейство моделей речи Ming-3.0 20 октября, предоставив пять моделей для использования в сферах синтеза речи, понимания аудио, ведения диалогов и распознавания речи. Разработчики имеют возможность применять эти модели по отдельности или интегрировать их в приложения, основанные на голосе.
Модели преобразования текста в речь поддерживают клонирование голоса на основе образцов записей, а также позволяют осуществлять голосовой дизайн посредством описаний на естественном языке. Пользователи могут управлять подачей речи, указывая такие параметры, как эмоциональная окраска, акцентирование и темп.
Аудиомодели способны выполнять транскрибирование, обобщение и анализ продолжительных записей, сохраняя при этом информацию о говорящих, их эмоциях и фоновых шумах. Ant сообщила, что эти модели уже интегрированы в такие сервисы, как приложение для здоровья Afu, поиск Alipay и внутренние офисные инструменты компании.