腾讯混元开源统一语音模型AuK

腾讯混元团队发布并完全开源语音基础模型 AuK（1.5B 参数），用自然语言指令统一语音生成与编辑。模型采用多模态语言模型骨架，结合联合 VAE 与混合整流流技术，能力覆盖语音生成、内容编辑、增强与分离、副语言编辑等五大任务族，支持零样本 TTS 与基于音频上下文的控制，蒸馏出的 Flash 版本速度快 4.5 倍。

2026-09-09 ~ 2026-09-10 · 3 条相关

• 腾讯混元开源语音模型 AuK:自然语言指令统一语音生成与编辑 — Tencent-Hunyuan · 2026-09-09
• 腾讯发布统一语音模型 AuK：TTS 与指令编辑一网打尽，Flash 快 4.5 倍 — _akhaliq · 2026-09-10

另有 1 条近重复转述:realmrfakename