核心信息

腾讯正式发布 AuK，一个面向统一语音生成与编辑的开源基础模型。它支持自然语言指令加参考音频，通过单一接口完成各类语音任务。

要点

  • 支持零样本 TTS、指令控制生成、内容编辑、语音转换、去口音、音色/风格/情感编辑，以及语速/音高控制。
  • 同时支持增强、降噪、多说话人和音乐分离等功能。
  • 同步推出 AuK-Flash：4 步推理，在同等条件下速度约快 4.5 倍；代码、权重等资源已发布。