腾讯开源 1.5B 音频模型 AuK:一个模型替代整栈语音工具
solyarisoftware · x · 2026-09-10
腾讯开源 AuK 系列小模型，主打用自然语言指令统一完成原本需要多个独立工具的音频任务：
- 零样本声音克隆与 TTS
- 对语音中的词进行替换、插入、删除
- 改变情绪、音调、语速、音量，去除口音
- 正常语音 ↔ 耳语转换
- 在保留旋律和人声的前提下改写歌词
- 降噪去混响、说话人分离、从音乐中提取人声
模型仅 1.5B 参数，MIT 协议，权重和代码均已发布，支持 CLI、Gradio 与 ComfyUI。另有蒸馏版 AuK-Flash 只需 4 步推理，官方称实际耗时快 4.5 倍，并称评测成绩超过 Qwen3-TTS。
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)→
「模型」频道最新
- OpenAI 发布 GPT-6.1 Terra：更快更强电脑操作，价格更低 — airesearch12 · 2026-10-27
- GPT-6.1 Terra 全量上线:Plus/Pro/企业/Edu 可用,API 名 gpt-6.1-terra — OpenAI · 2026-10-27
- GPT-6.1 Terra 跑分曝光:1/10 价格追平 GPT-6 Astra,速度快 3 倍 — OpenAI · 2026-10-27
- OpenAI 发布 GPT-6.1 Terra:API 价格较 GPT-5.6 Terra 降 50% — OpenAI · 2026-10-27
- GPT-6.1 Terra 发布在即:API 模型列表已出现 gpt-6.1-terra 代号 — koltregaskes · 2026-10-27
- 模型为何泄露信息难有定论，PyTorch 作者：网络安全中动机不重要 — brhydon · 2026-10-27