Ming-3.0｜声音的魔力：同一句话，三次告别的演技 测评：我给同一个 AI 角色安排了三次告别。通过不同的音色演绎，只说这一句“我没事，你先走吧。” 先把三种演法写进 Ming-3.0-tts-tiny 的指令，再把生成的声音交给即梦参考，最后做成这条45秒短片。 第一种音色演绎场景 咖啡店里，她笑着挥挥手，然后低头喝一口咖啡。朋友可以放心去忙，她真的没事。 第二种音色演绎场景 便利店门口，她也在笑。可等对方离开，视线就落到了手里的纸上。那句“我没事”，更像是在让人别担心。 第三种音色演绎场景 到了深夜的排练室，她说完话，合上台本，把桌面压平，没有再抬头。 同一句话，后面可以藏着三种心事。 这也是我这次想试的：让声音先给角色找一个表演方向。 三条语音的文本完全一样，我分别给了“真的放松”“强装轻松”“压着火气”三组要求。比如第二条，除了人物受了委屈、又不想让朋友担心，还写了具体的说法：“我没事”稍慢，两个短句之间留一个短暂停顿，尾音轻轻放下，尽量克制，不放声哭。 这种写法挺像给演员说戏。 Ming-3.0 TTS 的导演模式，可以用文字描述情绪、节奏和重音；到了视频这一步，我再围绕声音安排动作：挥手、目送、低头，或者合上台本。 我觉得这条工作流对做短剧、配音和角色预演挺有意思。台词先有了节奏，接着就能考虑：她说完以后看哪里，手里那件东西要怎么放下。 当然，指令写了什么，还得回头检查实际输出。这次“压着火气”那条 Ming 原音，怒意就比较轻，还需要继续调。视频里的声音采用即梦的音频参考生成，三条未处理的 Ming 原音和直接配回原音的版本，我也单独留了下来。 蚂蚁百灵这次开源的 Ming-3.0 语音系列，共五款模型，覆盖语音识别、音频理解与对话、语音合成。我这次主要试 TTS 接角色表演，用的是社区部署的 tts-tiny。 如果你手里也有一句“字面很平常，心里有很多话”的台词，可以拿它试试。 体验： 官方体验：Ling Studio 模型资源：tts-tiny模型卡。