Ant Group veröffentlicht quelloffene Ming-3.0-Sprachmodelle
Ant Group hat fünf neue Sprachmodelle der Serie Ming-3.0 bereitgestellt, die Funktionen zur Sprachsynthese, Audioanalyse und Erkennung bieten.
Am 20. Oktober veröffentlichte die Ant Group ihre Ming-3.0-Modellreihe. Das Paket umfasst fünf Modelle für Bereiche wie Sprachsynthese, Audioverständnis und Spracherkennung. Entwickler können diese Modelle einzeln einsetzen oder für komplexe sprachbasierte Anwendungen miteinander kombinieren.
Die Text-to-Speech-Modelle ermöglichen die Stimmklonung anhand von Referenzaufnahmen sowie das Design von Stimmen durch Beschreibungen in natürlicher Sprache. Nutzer können zudem die Sprachausgabe durch Vorgaben zu Emotionen, Betonung und Sprechtempo steuern. Die Audiomodelle sind in der Lage, Transkriptionen und Zusammenfassungen von langen Aufnahmen zu erstellen, wobei Informationen über Sprecher, Emotionen und Hintergrundgeräusche erhalten bleiben.
Die Ant Group setzt diese Modelle bereits in eigenen Diensten wie der Gesundheits-App Afu und der Alipay-Suche sowie in internen Tools ein. Durch die Veröffentlichung als Open Source ermöglicht das Unternehmen einen breiteren Zugriff auf die Sprachtechnologie.