Ant Group lance les modèles vocaux open-source Ming-3.0
Ant Group a rendu publics cinq nouveaux modèles vocaux de la série Ming-3.0, destinés à la synthèse, à la compréhension et à la reconnaissance audio.
Le 20 octobre, Ant Group a déployé sa famille de modèles Ming-3.0, composée de cinq outils axés sur la synthèse vocale, la compréhension audio et la reconnaissance de la parole. Cette mise à disposition permet aux développeurs d'utiliser ces modèles seuls ou de les combiner au sein d'applications vocales.
Les outils de synthèse texte-parole autorisent le clonage vocal à partir d'enregistrements de référence ainsi que la création de voix via des descriptions en langage naturel. Les utilisateurs ont également la possibilité de moduler le ton, l'emphase et le débit des messages générés. Le système assure par ailleurs la transcription et l'analyse d'enregistrements longs en conservant les métadonnées relatives aux locuteurs et aux sons ambiants.
Ant Group utilise déjà ces technologies dans ses propres services, notamment pour son application de santé Afu et les outils de recherche d'Alipay. En ouvrant l'accès à ces modèles, la firme souhaite étendre l'usage de ses capacités de traitement audio auprès de la communauté des développeurs.