蚂蚁集团于2026年2月11日正式开源发布全模态大模型Ming-Flash-Omni 2.0。该模型在视觉理解、语音生成及图像编辑等关键能力的多项公开测试中表现突出。

Ming-Flash-Omni 2.0是业界首个全场景音频统一生成模型，支持依据自然语言指令，在同一条音轨中同步生成语音、环境音效与背景音乐，并可精细调节音色、语速、方言及情绪等参数。

在视觉与图像能力方面，模型提升了对复杂细微物体的识别精度；图像编辑功能更趋稳定，支持光影调整、场景替换等复杂操作，并能在动态修改过程中保持画面连贯性。

目前，模型权重与训练代码已在主流开源社区发布，用户亦可通过蚂蚁集团官方平台在线体验该模型。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。