螞蟻集團開源發布全模態大模型Ming-Flash-Omni 2.0。在多項公開基準測試中，該模型在視覺語言理解、語音可控生成、圖像生成與編輯等關鍵能力表現突出，部分指標超越Gemini 2.5 Pro。

Ming-Flash-Omni 2.0為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。用戶只需用自然語言下指令，即可對音色、語速、語調、音量、情緒與方言等進行精細控制。(ta/j)

相關內容支付寶推出內地首個「支付集成Skill」支持用自然語言接入支付