Ming-3.0-audio-flash 本地实测音频理解能力

truecakesnake 在本机部署 AntLing 开源的 Ming-3.0-audio-flash，并实测其音频理解能力。模型准确还原客户通话中的指令和数量，能区分雨声与音乐铺底，也可描述紧张对话中的语气和情绪；该模型可用于语音转录、音效与音乐识别及人声情绪描述。