該模型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，用戶通過自然語言即可對音色、語速、語調等參數進行精細控制。
觀點網訊：2月11日，螞蟻集團開源發布全模态大模型Ming-Flash-Omni2.0。該模型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，用戶通過自然語言即可對音色、語速、語調等參數進行精細控制。
根據公開資料整理，Ming-Flash-Omni2.0實現了3.1Hz的極低推理幀率，可完成分鐘級長音頻的實時高保真生成，部分性能指標超過Gemini 2.5 Pro，同時其開源屬性将降低相關領域的開發復雜度。
免責聲明：本文内容與數據由觀點根據公開信息整理，不構成投資建議，使用前請核實。
審校：
版權聲明：觀點網絡信息科技有限公司及廣州觀點信息資訊服務有限公司擁有及保留其主辦暨承辦網站、論壇及活動的所有資料（包括但不限於文字、圖片、音頻、視頻資料及頁面設計、編排、軟件等）的所有權、版權等其他相關知識產權。除經授權合法使用上述資料外，未征得我司書面許可並付費，任何單位和個人不得以任何理由及方式使用上述資料（包括但不限於轉載、轉讓、授權他人使用等），否則我司將依法追究其法律責任以及賠償責任。
承印人：觀點網絡信息科技有限公司 (Guandian Network Information Technology Co.,Ltd.)
地址：香港灣仔菲林明道8號大同大廈15樓1505室（Room 5,15th Floor,Tai Tung Building,8 Fleming Road,Wan chai,HongKong Island,HongKong. ）
電郵：info@guandian.hk
移動端下載