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。
所属事件:腾讯混元开源 AuK 语音基础模型，一句话统一语音生成与编辑(6 条相关)→
「多模态」频道最新
- Hi3D V1.0 开源发布：训练资产翻四倍，切片成功率 90% — kimmonismus · 2026-10-26
- 用 Claude 十分钟替代 YouTube 缩略图设计师 — thedankoe · 2026-10-26
- 从业者回应「多模态无用论」：梳理历史与未来展望 — thoma_gu · 2026-10-26
- 一条 Prompt 生成完整 Blender 动画,作者全程未手动建模 — iamfakhrealam · 2026-10-26
- Muse Wonder 分块 + SAM 3.1,一粒不漏分割整根玉米粒 — nikhilaravi · 2026-10-26
- LichtFeld Studio v0.5.4.3：社区贡献的 SteadySplats 等新功能上线 — janusch_patas · 2026-10-26