Ant Group julkaisi avoimen lähdekoodin Ming-3.0-puhemallit

Ant Group julkaisi 20. lokakuuta Ming-3.0-malliperheensä, joka sisältää viisi avoimen lähdekoodin mallia puheteknologian tarpeisiin. Kehittäjät voivat hyödyntää malleja joko itsenäisinä ratkaisuina tai yhdistellä niitä monimutkaisempien puheperusteisten sovellusten rakentamiseksi.

Mallisto tukee puheen synteesiä, jossa käyttäjät voivat luoda ääniä vertailunauhoitteiden perusteella tai kuvailevan kielen avulla. Lisäksi teknologia mahdollistaa puheen emotionaalisen sävyn, painotuksen ja nopeuden hienosäädön. Audio-ominaisuudet kattavat litteroinnin, tiivistämisen ja pitkien tallenteiden analysoinnin, säilyttäen samalla tiedot puhujista ja taustaäänistä.

Ant Group hyödyntää teknologiaa jo omissa palveluissaan, kuten Afu-terveyssovelluksessa, Alipay-hakutoiminnossa ja sisäisissä toimistotyökaluissa. Avoimen lähdekoodin julkaisulla yhtiö pyrkii laajentamaan teknologiansa käyttöä kehittäjäyhteisön keskuudessa.