腾讯开源「音频版Nano Banana」：改词换声全包，语音编辑大幅刷榜

AI 摘要

腾讯混元开源15亿参数语音生成与编辑模型AuK，号称“音频版Nano Banana”，支持声音克隆、改词、换情绪、去口音、降噪及音源分离等，可用自然语言控制。官方评测中在SpeechEditBench大幅领先，快速版AuK-Flash推理提速约4.5倍。论文承认对随意指令理解仍不稳定，需依赖Prompt Enhancer。代码与权重已以MIT许可证公开。