马上注册，下载更多AI资源软件
您需要 登录 才可以下载或查看，没有账号？立即注册
×
Ming-3.0-tts：让AI说人话！支持多语言、方言、笑声叹气，像导演一样控声音，声音设计克隆一键搞定 ... ... ...
Ming-3.0-tts 是蚂蚁集团 inclusionAI 团队于 2026 年 10 月开源的文字转语音（TTS）模型系列，采用 MIT 许可证，完全免费可商用。它是目前开源 TTS 里性价比很高的选择：小模型就能达到很强效果，控制方式直观（自然语言 + 标签），语言覆盖广，特别适合想快速做出自然、有表现力语音内容的开发者和创作者。
它提供两个版本：
0.5B 稠密模型：参数量约 5 亿，轻量易部署，适合大多数场景。
tiny（MoE 混合专家）模型：总参数 7.9B，实际每次推理只激活约 1.3B，支持更复杂的多角色对话。
主要特点
声音创作很灵活：可以用一段参考音频“克隆”某人的声音；也可以直接用文字描述想要的音色（比如“温柔女声、稍带磁性”）；还内置 100+ 中文音色和 5 个英文音色。
用自然语言指挥说话方式：像导演一样用日常语言告诉模型“请用兴奋的语气、语速稍快一点”等，就能控制表达。
副语言标签：可以在文本里插入笑声、叹气、咳嗽等 14 种特殊标记，让声音更生动自然。
多语言 + 方言：支持中文、英文、德语、西班牙语、法语、韩语、日语，以及四川话、粤语。
情绪与基础属性控制：可调节情绪、语速、音高、音量。
多角色对话（仅 tiny 版）：输入剧本和多个参考声音，就能生成像播客一样的多人对话。
音质与准确性出色：在独立评测（Artificial Analysis）中，发音鲁棒性排名第一（93.2%），受控音色克隆在开源模型中也排第一，发音清晰、文本还原度高。
模型输出高采样率（44.1 kHz）音频，整体框架是“文本 + 控制指令 → 语言模型 → 扩散变换器（DiT）生成音频”。
应用领域
有声书、短视频旁白、故事配音
智能助手、客服语音、产品语音提示
多语言内容本地化、方言内容创作
播客/对话式音频内容生成
需要高度可控、个性化声音的各类语音交互场景
使用教程：（建议N卡，显存4G起，支持50系显卡）
整合包包含所需所有节点，下载主程序和模型（ComfyUI文件夹），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可。
WebUI模式：
双击启动进入WebUI，根据需要选择需要使用的模块，运行生成即可。
ComfyUI模式：
双击启动ComfyUI，进入WebUI后，点击左侧的 工作流程，选择对应的工作流。
根据需要选择需要使用的模块，运行即可。
注：长文、多人播客：建议把 max_steps 提到 500+
包含以下模块和功能
内置音色 ip：使用内置500中音色一键合成，无需参考录音。
音色设计：用文字描述希望生成的声音。
语音克隆：上传参考音频，再生成新语音。
自由指令：用自然语言控制表达，可选参考录音。
基础属性：自定义语速、音高和音量合成。
情感控制：使用参考音色并选择情感。
中文方言：选择粤语或川渝话。
多人对话：多个独立参考音色，生成对话内容。
软件目录结构：
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 checkpoints/
│ │ └── 📂 Ming-3.0-tts-0.5b-int8-convrot
│ │ └── 📂 Ming-3.0-tts-tiny-9b-int8-convrot
│ ├── 📂 whisper/
│ │ └── 📂 large-v3-turbo
📂 deepface/
......
下载地址：
光鸭云盘：https://www.guangyapan.com/s/1961046586583298138_afKpfuS_zVounNhq
夸克网盘：
🔒付费内容 游客， 上上宾会员 可免费下载该资源， 点此开通上上宾 免费下载全站99%的付费资源。或单独支付 40碎银 下载该资源
百度网盘：
🔒付费内容 游客， 上上宾会员 可免费下载该资源， 点此开通上上宾 免费下载全站99%的付费资源。或单独支付 60碎银 下载该资源
| 
发表于