核心信息

腾讯AI发布开源基础模型AuK，用于统一语音生成与编辑，采用MIT协议；同期推出AuK-Flash，支持4步推理，在匹配条件下速度约提升4.5倍。模型可在一张消费级GPU上运行，SGLang-Omni发布首日即提供支持。

要点

  • 一个接口结合自然语言指令与参考音频，支持零样本TTS、指令控制生成、内容编辑、耳语转换、去口音、音色/风格/情感编辑、语速/音高控制、增强、降噪、多人声与音乐分离等能力。
  • AuK-Flash采用4步推理，在同等条件下速度约快4.5倍。
  • 代码、权重等资源以MIT协议开源，支持单张消费级GPU运行。