← Tous les modèles

AuK-Flash

Publication Éditeur Tencent

Présentation

AuK-Flash est la variante distillée d’AuK, un modèle de base de 1,5 milliard de paramètres destiné à la génération et à l’édition de la parole. Elle privilégie la rapidité grâce à une inférence en quatre étapes. Le code et les poids ont été annoncés comme publics le 9 septembre 2026 ; la fiche du modèle indique une licence MIT. (huggingface.co)

Capacités et usages

Le modèle utilise une interface d’instructions en langage naturel, avec du texte et, selon la tâche, de l’audio en entrée. Il peut notamment :

  • générer de la parole à partir d’un texte, avec une voix de référence en zéro-shot ou une description de voix sans référence audio ;
  • modifier le contenu d’une parole ou les paroles d’un chant, ainsi que la hauteur, la vitesse, le volume, l’émotion ou le timbre ;
  • améliorer la parole, réduire le bruit et séparer des voix ou des sources audio. (huggingface.co)

Ces fonctions conviennent notamment au prototypage de synthèse vocale, à l’édition de contenus audio et à la recherche sur le traitement de la parole. La fiche mentionne le chinois et l’anglais ; elle ne garantit pas la prise en charge du français. (huggingface.co)

Performances et limites

Selon le rapport technique, Flash est environ 4,5 fois plus rapide que le modèle complet dans une comparaison à matériel, durée de sortie et taille de lot identiques : quatre évaluations sans guidage contre 32 avec guidage pour le modèle complet. Ce résultat ne constitue pas une garantie de latence universelle. Le rapport indique aussi que le modèle complet obtient généralement une meilleure précision linguistique et une meilleure fidélité d’édition, et que la compréhension des demandes d’édition libres reste imparfaite. (arxiv.org)

L’exécution locale nécessite des ressources de calcul et des composants supplémentaires, notamment l’encodeur Qwen2.5-Omni-3B. À titre d’exemple, le dépôt rapporte pour Flash un pic de 24,77 GiB de mémoire GPU sans déchargement CPU, ou 16,75 GiB avec déchargement, pour une sortie de 1,5 seconde en bf16 sur NVIDIA A800 ; les besoins réels varient selon la configuration et les entrées. Utiliser une voix de référence suppose de disposer des autorisations appropriées. (github.com)

Prix

Au 16 novembre 2026, aucun tarif officiel spécifique à AuK-Flash n’a pu être vérifié, ni en CNY sur les sources nationales de Tencent Cloud, ni en USD sur ses sources internationales. La facturation des entrées et des sorties d’une éventuelle API hébergée est donc non vérifiée. Les tarifs d’autres services de synthèse vocale ne sont pas attribués à ce modèle ; l’absence de tarif vérifié ne signifie pas que l’hébergement ou le calcul sont gratuits. Pages de tarification consultées : Tencent Cloud — modèles TokenHub et Tencent Cloud international — guide d’achat TTS. (cloud.tencent.com)

Sources officielles