2026-09-11 01:20
AI123
腾讯混元开源语音生成与编辑基础模型AuK
腾讯混元正式发布开源基础模型 AuK，用于统一语音生成与编辑。该模型将自然语言指令与参考音频结合在一个接口中，支持零样本文本到语音合成、指令控制生成、内容编辑、低语转换、去口音、音色/风格/情感编辑、速度/音调控制、增强、降噪、多说话人及音乐分离等功能。
与此同时，腾讯混元还发布了 AuK-Flash 版本，采用 4 步推理，在匹配条件下推理速度提升约 4.5 倍。目前，AuK 的代码、权重和演示均已上线，相关论文已发布在 Hugging Face 平台，项目代码已托管至 GitHub，开发者和研究者可获取、试用并反馈。
来源
- 2026-09-10 18:33 | X：🚀 AuK is officially here. Nano banana🍌 for audio An open-source foundation model for unified speech generation and editing. Natural-language ins...阅读原文
🚀 AuK is officially here. Nano banana🍌 for audioAn open-source foundation model for unified speech generation and editing.Natural-language instructions + reference audio. One interface.Zero-shot TTS. Instruction-controlled generation. Content editing. Whisper-conversion. De-accent. Timbre/style/em...