【螞蟻集團開源發布全模态大模型 Ming-Flash-Omni 2.0】

【螞蟻集團開源發布全模态大模型 Ming-Flash-Omni 2.0】螞蟻集團開源發布全模态大模型Ming-Flash-Omni2.0，是業界首個全場景音頻統一生成模型，可在同一條音軌中同時生成語音、環境音效與音樂。用戶用自然語言下指令，可對音色、語速、語調、音量、情緒與方言等進行控制。模型在推理階段實現了3.1Hz的極低推理幀率，實現了分鐘級長音頻的實時高保真生成。