Ming-flash-omni-Preview是蚂蚁集团inclusionAI发布的开源全模态大模型，参数规模达千亿，基于Ling 2.0的稀疏MoE架构，总参数103B，激活9B。在全模态理解和生成能力上表现出色，尤其在可控图像生成、流式视频理解、语音及方言识别、音色克隆等方面有显著优势。首创“生成式分割范式”，实现细粒度空间语义控制，图像生成可控性强；能对流式视频进行细粒度理解，实时提供说明；在语音领域，支持上下文感知语音理解及方言识别，对15种中国方言理解能力大幅提升，音色克隆能力也显著增强。模型的训练架构高效，通过多项优化提升了训练吞吐量。

>>展开阅读