腾讯开源语音基础模型 AuK:克隆、合成、编辑、增强、分离五合一

aigclink · x · 2026-09-11

腾讯新开源语音基础模型 AuK,把克隆、指令合成、编辑、增强、分离五类任务统一到一个模型里。核心思路是把数据格式统一为「一句话指令+一段输入音频+目标声音」,让同一套模型逻辑处理所有语音生成与编辑任务。能力上可将正常说话改为悄悄话、去除方言口音、加入笑声/叹气等情绪音,也能从零生成新音色。另提供 4.5 倍加速的轻量版,适合 AI 语音助手、客服、批量配音等速度敏感场景。典型应用如一人多角的 AI 广播剧:指令设计音色+多人音轨分离+情绪编辑一条流水线完成。