Ant Bailing은 10월 20일 음성 창작, 장기 음성 분석, 업무 음성 전사라는 3가지 작업을 중심으로 Ming-3.0 음성 시리즈를 오픈소스로 공개했으며, 음성 합성, 오디오 이해 및 대화, 음성 인식의 3개 시리즈 총 5개 모델(Ming-3.0-tts(0.5B, tiny), Ming-3.0-audio(flash, tiny), Ming-3.0-asr-tiny)을 제공합니다. 가중치는 Hugging Face와 ModelScope에 올라왔고, Ling Studio가 API와 온라인 체험을 제공합니다.
합성 분야에서 Ming-3.0-tts의 Voice Design은 텍스트로 목표 음색을 설명하거나 참조 오디오를 사용할 수 있으며, 감독 모드는 텍스트로 감정 변화, 강조 단어와 리듬을 지정할 수 있고, 행간 부언어 태그로 웃음, 한숨, 기침 위치를 표시하는 것을 지원합니다. 이 시리즈는 이미 아푸(APP) 음성 통화, 의사 음색 클론, 샤오후 스마트 오피스에 적용되었습니다.
이해 분야에서 Ming-3.0-audio-flash와 tiny는 장기 오디오에 대해 직접 전사, 요약 및 관점 분석을 수행하고 구조화된 출력을 제공하며, 감정, 화자 및 환경 정보를 보존합니다. 입력 단에는 6.25Hz 저프레임 오디오 표현을 채택해 시퀀스를 단축했으며, 언어 백본은 Ling-3.0을 기반으로 KDA와 Gated MLA 하이브리드 어텐션 및 희소 MoE를 결합했습니다.
인식 분야에서 Ming-3.0-asr-tiny의 Context ASR은 핫워드 리스트와 대화 맥락을 받아 추가 학습 없이 동음이의어를 판별할 수 있으며, 이미 아푸 의사 어시스턴트, 알리페이 검색 및 보안 신원 확인에 사용되고 있습니다.
실측 측면에서 Artificial Analysis의 2026년 10월 평가에서 Ming-3.0-tts-0.5B는 Pronunciation Robustness에서 93.2%를 기록해 전체 순위 공동 1위를 차지했으며, Controlled Voice에서는 1069 Elo로 오픈 웨이트 모델 중 1위를 기록했습니다.
Ming-3.0-audio-flash는 MMAU에서 82.00, VoiceBench에서 86.74를 기록했으며, BigBenchAudio(S2T)에서는 99.40로 1위, SpeechFCEval에서는 82.60을 기록했습니다. Ming-3.0-asr-tiny(8.6B A2B)는 4개 평가에서 평균 오류율 4.41%로 Fun-ASR1.5, FireRedASR2-LLM(8B) 및 Qwen3-ASR-1.7B보다 우수했습니다.