2月11日消息,蚂蚁集团开源发布全模态大模型Ming-Flash-Omni 2.0,是业界首个全场景音频统一生成模型,可在同一条音轨中同时生成语音、环境音效与音乐。用户用自然语言下指令,可对音色、语速、语调、音量、情绪与方言等进行控制。模型在推理阶段实现了3.1Hz的极低推理帧率,实现了分钟级长音频的实时高保真生成。(财联社记者 黄心怡)
上一篇:以传统文化之韵 铸新时代干部人文之基
下一篇:湖北移动科技点亮春运 护航万家团圆