蚂蚁集团ming-3.0-tts配音

镜像简介

Ming-3.0-tts 是蚂蚁集团 inclusionAI 团队开源的多语种语音合成项目，提供两款模型：0.5B 稠密模型与基于 Ling V3 的 MoE 模型 tiny（总参数 7.9B，激活 1.3B）。该项目支持零样本声音克隆、文本驱动的声音设计，以及 100 余种中文音色和多款英文内置音色；可通过自然语言指令实现自由形式的语气控制，并支持 14 种内联标签表达笑声、叹息等副语言特征。语言覆盖中、英、德、西、法、韩、日，以及四川话、粤语方言，tiny 版本还支持多说话人对话播客生成。

在独立评测平台 Artificial Analysis 的文本转语音榜单上，该模型在"可控音色"维度位列开源模型第一，在"发音鲁棒性"维度位列总榜第一。开源测评中，两款模型在 NVBench 单标签副语言控制上实现全部六项指标的 SOTA。

配置方法

1. 该镜像初始化后，需要等待服务启动，大概 3 分钟左右。
2. 启动后点击按钮 “YZY启动器” 或者 “9000” 直接访问服务。
3. 首次生成加载模型比较耗时。
4. 服务运行日志查询，可以输入命令 tail -f /start.d/log/*
5. 输出目录： /root/yzyapp/outputs，也可以可直接在生成页面下载。

视频教程

详细步骤，可在 哔哩哔哩 余子越Talk 博主页面搜索 Ming-3.0-tts 观看视频教程！

相关链接

• 项目地址： Ming-3.0-tts
• 视频教程： 哔哩哔哩 余子越Talk 主页搜索 Ming-3.0-tts

效果截图

常见问题