أطلقت Ant Bailing في 20 أكتوبر سلسلة Ming-3.0 الصوتية كمصدر مفتوح، حول ثلاث فئات من المهام هي إنشاء الأصوات وتحليل الصوت الطويل وتحويل الصوت التجاري إلى نص، موفرة ثلاث سلاسل هي تركيب الصوت وفهم الصوت والحوار والتعرف على الكلام بإجمالي خمسة نماذج: Ming-3.0-tts (0.5B وtiny) وMing-3.0-audio (flash وtiny) وMing-3.0-asr-tiny، والأوزان متاحة على Hugging Face وModelScope، ويوفر Ling Studio واجهة API وتجربة عبر الإنترنت.
في اتجاه التركيب، تتيح ميزة Voice Design في Ming-3.0-tts وصف نبرة الصوت المستهدفة بالنص أو باستخدام صوت مرجعي، ويسمح وضع المخرج بتحديد تغيّرات الانفعال والكلمات المشددة والإيقاع عبر النص، كما يدعم وسومًا فرعية لغوية داخل السطر للإشارة إلى مواضع الضحك والتل重力 والكحة، وقد دخلت هذه السلسلة في المكالمات الصوتية لتطبيق Afu واستنساخ صوت الأطباء ومكتب Xiaohu الذكي.
في اتجاه الفهم، يمكن لـ Ming-3.0-audio-flash وtiny تحويل المقاطع الصوتية الطويلة إلى نص وتلخيصها وتحليل وجهات النظر فيها وإخراجها بشكل مهيكل، مع الحفاظ على المعلومات الانفعالية والمتحدث والبيئة؛ ويستخدم طرف الإدخال تمثيلًا صوتيًا بمعدل إطارات منخفض يبلغ 6.25Hz لتقصير التسلسل، ويستند الجذع اللغوي إلى Ling-3.0، مع الجمع بين KDA وانتباه Gated MLA الهجين وMoE المتفرق.
في اتجاه التعرف، يمكن لميزة Context ASR في Ming-3.0-asr-tiny استقبال قائمة كلمات ساخنة وسياق الحوار السابق للمساعدة في تمييز المتجانسات دون تدريب إضافي، وقد استُخدمت في مساعد الطبيب Afu والبحث في Alipay والتحقق الأمني من الهوية.
على صعيد الاختبارات الفعلية، في تقييم Artificial Analysis لشهر 10 من عام 2026، حصل Ming-3.0-tts-0.5B على درجة 93.2% في Pronunciation Robustness متعادلًا في المركز الأول على كامل القائمة، كما حل Controlled Voice في المركز الأول بين نماذج الأوزان المفتوحة بتصنيف 1069 Elo.
حصل Ming-3.0-audio-flash على درجتين 82.00 و86.74 في MMAU وVoiceBench على التوالي، وحقق 99.40 في BigBenchAudio (S2T) ليحتل المركز الأول، و82.60 في SpeechFCEval. وحقق Ming-3.0-asr-tiny (8.6B A2B) متوسط معدل خطأ بلغ 4.41% في أربع فئات من التقييمات، متفوقًا على Fun-ASR 1.5 وFireRedASR2-LLM (8B) وQwen3-ASR-1.7B.