AuK — 騰訊混元開源語音基礎模型（生成+編輯）

• URL: https://www.facebook.com/will.fans/posts/1536637415157009/
• Date Saved: 2026-09-14
• Source: Facebook (Will 保哥的技術交流中心)
• Tags: ai-tools, asr
• Repo: https://github.com/Tencent-Hunyuan/AuK (848 stars)

Summary

• AuK 是騰訊混元團隊開源的語音基礎模型，參數量 1.5B
• 核心突破：把語音生成與編輯所有功能收斂至單一自然語言指令介面
• 支援的任務類型：
  • 語音產生：Zero-shot TTS、Instruct TTS
  • 內容編輯：歌詞編輯、語音內容編輯
  • 聲學編輯：音高、語速、音量編輯
  • 旁語言編輯：情緒、音色、去口音、非語言編輯、氣音轉換
  • 增強與分離：語音增強、語音分離、音樂分離
• 兩個版本：標準版（高音質）、Flash 版（蒸餾技術，4 步快速推論）
• 支援 Apple Silicon、CPU 卸載（降低 VRAM 需求）
• MIT 授權，整合 ComfyUI 工作流
• 從純 TTS 走向全方位聲音編輯的統一模型

Notable Comments

• Will 保哥回覆：不只是 TTS，能力涵蓋語音生成、內容編輯、聲學編輯、旁語言編輯、增強與分離