腾讯混元开源语音模型 AuK,一句话改口音
模型参数量 1.5B,MIT 协议,代码和权重同步放出。官方列出的任务超过 15 项,覆盖零样本合成、内容改写、音高语速调整、情绪音色口音修改、降噪去混响与说话人分离。蒸馏版 AuK Flash 固定四步采样、推理不开 CFG,官方给出的墙
收录 腾讯混元 相关 AI 新闻、产品动态和产业观察。 本页收录 5 篇已发布文章。
模型参数量 1.5B,MIT 协议,代码和权重同步放出。官方列出的任务超过 15 项,覆盖零样本合成、内容改写、音高语速调整、情绪音色口音修改、降噪去混响与说话人分离。蒸馏版 AuK Flash 固定四步采样、推理不开 CFG,官方给出的墙
770B 参数只激活 49B,腾讯把开源模型的算力账压到了 6.4% 的激活率。盲测领先 GLM 5.3 的那 0.07 分说明不了太多,能否撑住长周期工程任务,才是这一版要证明的东西。
腾讯把混元大模型接进语音识别,公开 WER、方言覆盖和 API 限制,竞争轴已经从“听清字”转向“听懂场景”。
混元这次没有只晒模型跑分,而把推测解码的训练框架、两类 drafter 权重和评测链路一起放出,目标直指大模型推理成本。
腾讯这次没有先讲机器狗、机械臂或展台演示,而把两套“脑子”直接放到开源社区:Hy Embodied VLM 1.0 负责看懂真实场景、推演动作影响;Hy Embodied RxBrain 1.0 负责把任务拆成语言步骤,并同时想象每一步完成