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 · hf · 2026-09-09
腾讯混元团队发布开源基础模型 AuK,统一语音生成与编辑能力,支持通过自然语言指令和音频上下文控制语音输出。
技术上,AuK 采用多模态语言模型骨架,结合联合 VAE、混合整流流(rectified-flow)Transformer,并通过高效蒸馏实现快速推理。模型权重开源,可作语音合成与编辑任务的基础模型使用。
「多模态」频道最新
- AI 视频编辑 agent 兴起：从生成内容转向执行工作流 — OwlZealousideal4779 · 2026-09-09
- AI 生成视频:猫咪在圣莫尼卡码头夕阳下过山车 — Born_History_8246 · 2026-09-09
- 视频生成迭代太快，剧本还算正确的预制作产物吗 — tobowers · 2026-09-09
- ComfyUI 风格节点 NeonsStyleExplorer 更新:自建目录与风格库 — neonsparksuk · 2026-09-09
- H3角色LoRA训练实测：相似度远不及Wan 2.2，附参数与避坑 — Tiny-Highlight-9180 · 2026-09-09
- 龙珠×学园孤岛跨界 AI 动画:风格混搭到最后一幕露馅 — Ok-Giraffe-8670 · 2026-09-09