腾讯混元开源语音基础模型 AuK 及极速推理版 AuK-Flash

腾讯混元开源了统一语音生成与编辑的基础模型 AuK 及其极速推理版本 AuK-Flash，通过统一定义多类音频任务提升了开源语音模型的实用价值。

• AuK 采用自然语言指令结合参考音频的统一样式，支持零样本文本转语音（Zero-shot TTS）、指令控制生成以及语音内容编辑。
• 模型覆盖语音增强、去噪、消除口音、音色与情感编辑、语速与音高调节、多说话人及音乐分离等多种功能。
• 同步推出的 AuK-Flash 支持 4 步推理，在相同测试条件下推理速度提升约 4.5 倍。
• 腾讯混元已同步开源代码、模型权重与演示环境，并公开了相关研究论文。
• 影响/看点：若多任务统一架构在复杂真实场景下的生成质量与稳定性得到验证，可能加速端到端音频处理流水线的整合。
• 资料依据：
• X：腾讯混元（2026-09-10）：https://x.com/TencentHunyuan/status/2097996926876795197
• GitHub：Tencent-Hunyuan（2026-09-10）：https://github.com/Tencent-Hunyuan/AuK

本内容由 AI 生成，仅供参考，请注意甄别