快科技2月11日音信 当天，蚂阿谀团开源发布全模态大模子 Ming-Flash-Omni 2.0。

在多项公开基准测试中，该模子在视觉话语清晰、语音可控生成、图像生成与剪辑等要道能力进展凸起，部分策划越过 Gemini 2.5 Pro，成为开源全模态大模子性能新标杆。

Ming-Flash-Omni 2.0 亦然业界首个全场景音频和谐生成模子，可在团结条音轨中同期生谚语音、环境音效与音乐。

用户只需用当然话语下教唆，即可对音色、语速、语调、音量、神气与方言等进行致密领域。

模子在推理阶段兑现了 3.1Hz 的极低推理帧率，兑现了分钟级长音频的及时高保真生成，在推理恶果与老本领域上保抓业界朝上。

蚂阿谀团在全模态标的已抓续干预多年，Ming-Omni 系列迭代三个版块，这次将 Ming-Flash-Omni 2.0 开源，意味着其中枢能力以“可复用底座”的体式对外开释，为端到端多模态哄骗设置提供和谐能力进口。

据了解，Ming-Flash-Omni 2.0基于 Ling-2.0 架构（MoE，100B-A6B）训导，围绕“看得更准、听得更细、生成更稳”三大成见全面优化。

视觉方面，和会亿级细粒度数据与难例训导战略，权臣进步对近缘动植物、工艺细节和改动文物等复杂对象的识别能力；

音频方面，兑现语音、音效、音乐同轨生成，守旧当然话语致密领域音色、语速、神气等参数，并具备零样本音色克隆与定制能力；

图像方面，增强复杂剪辑的康健性，守旧光影疗养、场景替换、东谈主物姿态优化及一键修图等功能，在动态场景中仍保抓画面连贯与细节真的。

现在，Ming-Flash-Omni 2.0 的模子权重、推理代码已在 Hugging Face 等开源社区发布。用户也可通过蚂蚁百灵官方平台 Ling Studio 在线体验与调用。

【本文末端】如需转载请务必注明出处：快科技

职守剪辑：秋白世界杯体育

著述执行举报

]article_adlist--> 　　声明：新浪网独家稿件，未经授权退却转载。 -->