模型定位
AuK-Flash 是 AuK 語音生成與編輯基礎模型的蒸餾版本,提供開放權重,主打快速四步推論。AuK 基礎模型約有 15 億參數;官方模型卡標示採用 MIT 授權。(huggingface.co)
能力與用途
模型透過自然語言指令及視任務需要提供的參考音訊,支援零樣本和指令式文字轉語音、語音及歌詞內容編輯、音高/語速/音量調整、情緒與音色編輯、語音增強及音源分離。適合用於配音、語音內容修改和音訊清理等場景;模型卡標示中文與英文。(huggingface.co)
限制
- 官方技術報告稱,在相同條件下,AuK-Flash 的實際推論時間速度約為完整模型的 4.5 倍;此數據不保證所有硬體及任務均有相同加速效果。(arxiv.org)
- 自行部署時,除模型權重外,執行階段還需分別載入多模態語言模型編碼器與 VAE。Hugging Face 頁面顯示,該模型目前未由其 Inference Providers 部署。(huggingface.co)
- 聲音複製應取得聲音權利人的適當授權;生成及編輯結果應依實際用途進行驗證。
發布日期
官方模型卡於 2026 年 9 月 9 日公告 AuK 開源及權重公開;該卡亦列出 AuK-Flash 權重。(huggingface.co)
價格
截至 2026 年 11 月 16 日查詢,未能在騰訊雲國內站及國際站的官方模型價目表中核實 AuK-Flash 的 API 報價,因此其輸入與輸出計費方式及金額均未核實。開放權重不代表自行部署的運算資源沒有成本。(cloud.tencent.com)