モデル・開発
Ming-3.0 Tiny音声モデル3種を公開
原題: Ming-3.0-audio-tiny / Ming-3.0-asr-tiny / Ming-3.0-tts-tiny
小型の音声理解、音声認識、音声合成モデルを配布
inclusionAIは2026年10月19日、Ming-3.0のTiny系列3モデルについて、モデルカード、ウェイト、実行コードを公開しました。
Ming-3.0-audio-tinyは総93億・推論時27億パラメータのMoEモデルで、音声認識、音声理解、音声推論、任意の合成音声応答に対応します。
主な対応言語は中国語と英語で、方言、アクセント、雑音、複数話者、長時間録音を対象にしています。
Ming-3.0-asr-tinyは中国語・英語と15の地域方言テストセットを対象とし、hotwordや直前の会話を使うcontext-aware ASRに対応します。
ASRモデルは語単位の時刻情報と話者分離、ストリーミング入力を提供せず、ローカルのTransformers実行を基本経路としています。
Ming-3.0-tts-tinyはLing V3を基盤とする総79億・約13億activeのMoE音声合成モデルです。
中国語、英語、ドイツ語、スペイン語、フランス語、韓国語、日本語に対応し、ゼロショット音声複製、Voice Design、方言、感情、速度、音高、音量、複数話者会話を制御できます。
audio-tinyとASRはTransformers例を提供し、3モデルともSGLang系の配信手順を公開しています。TTSは専用GitHubリポジトリの実行環境を必要とします。
各ウェイトと元のプロジェクトコードはMITライセンスで公開されています。Hugging Face上の推論プロバイダー配備は原文確認時点で提供されていません。
音声認識、音声知能、合成品質の評価値はinclusionAI自身の測定であり、独立評価とは区別する必要があります。