腾讯混元发布开源音频基础模型 AuK

腾讯混元宣布 AuK 正式发布。这是一款开源音频基础模型，可通过自然语言指令和参考音频统一完成语音生成与编辑，支持零样本文本转语音、音色、风格和情绪编辑、去口音及多人语音分离等功能。 腾讯混元同步发布 AuK-Flash。该版本采用4步推理，在匹配条件下速度约提升4.5倍。代码、模型权重和演示已上线。