螞蟻百霊は10月20日、Ming-3.0音声シリーズをオープンソースとして公開した。音声創作、長時間音声分析、業務音声書き起こしの3種類のタスクを中心に、音声合成、音声理解・対話、音声認識の3シリーズ合計5つのモデルを提供する：Ming-3.0-tts（0.5B、tiny）、Ming-3.0-audio（flash、tiny）およびMing-3.0-asr-tiny。重みはHugging FaceとModelScopeに公開され、Ling StudioがAPIとオンライン体験を提供する。
合成の分野では、Ming-3.0-ttsのVoice Designにより、テキストで目標の音色を記述したり参照音声を用いることができ、ディレクターモードではテキストで感情の変化、強調語、リズムを指定できるほか、笑い、ため息、咳の位置をインラインの副言語タグで注記することにも対応する。このシリーズは、阿福（Afu）APPの音声通話、医師の音声クローン、小虎スマートオフィスに導入されている。
理解の分野では、Ming-3.0-audio-flashとtinyは長時間音声を直接書き起こし、要約し、観点分析を行い、構造化された出力が可能で、感情、話者、環境情報を保持する。入力側には6.25Hzの低フレームレートの音声表現を採用してシーケンスを短縮し、言語バックボーンはLing-3.0に基づき、KDAとGated MLAのハイブリッド注意機構およびスパースMoEを組み合わせている。
認識の分野では、Ming-3.0-asr-tinyのContext ASRは、ホットワードリストと対話の文脈を受け取り、追加の訓練なしに同音異義語の判断を補助でき、すでに阿福医師アシスタント、Alipay検索、セキュリティ本人確認に使用されている。
実測面では、Artificial Analysisの2026年10月の評価において、Ming-3.0-tts-0.5BはPronunciation Robustnessで93.2%のスコアを獲得し全ランキングで1位に並び、Controlled Voiceでは1069 Eloでオープンウェイトモデル中1位となった。
Ming-3.0-audio-flashはMMAUとVoiceBenchでそれぞれ82.00、86.74のスコアを獲得し、BigBenchAudio（S2T）では99.40のスコアで1位となり、SpeechFCEvalでは82.60のスコアを獲得した。Ming-3.0-asr-tiny（8.6B A2B）は4種類の評価で平均エラー率4.41%となり、Fun-ASR1.5、FireRedASR2-LLM（8B）およびQwen3-ASR-1.7Bを上回った。