AuK开源基础模型：用自然语言指令统一语音生成与编辑
_akhaliq · x · 2026-09-10
AuK技术报告发布，这是一个开源的语音基础模型，通过自然语言指令加音频上下文的统一接口，把语音生成与语音编辑合并到同一框架中。论文已上传至Hugging Face，模型开源可复现。
所属事件:腾讯混元开源 1.5B 语音模型 AuK 统一生成与编辑(4 条相关)→
「多模态」频道最新
- ECCV 论文 Flash-BoN：廉价草稿+高效验证，扩散模型推理时扩展提速 — gowthami_s · 2026-09-10
- 阿里再开两源补齐语音增强拼图：线性注意力提速 2 倍、回声消除仅 22ms 延迟 — aigclink · 2026-09-10
- 78 秒 AI 短片:猪女孩大闹维京冬季盛宴 — Substantial_Depth744 · 2026-09-10
- ChatGPT 机甲风格图片生成提示词玩法分享 — Promptmethus · 2026-09-10
- 低延迟语音公司 Gradium TTS 上线 LiveKit 推理平台，首月免费 — mattturck · 2026-09-10
- 同一超现实提示词实测：MiniMax H3 及格，Kling 与 Seedance 翻车 — charis_ai · 2026-09-10