모델 개요
AuK는 음성 생성과 편집을 위한 약 15억 매개변수의 기반 모델이다. 다양한 오디오 데이터로 학습됐으며, 자연어 지시를 통해 여러 음성 작업을 수행한다. 이 모델 카드는 고품질 생성을 지향하는 기본 모델의 가중치를 제공한다. 별도로 4단계 추론용 증류 모델인 AuK-Flash도 있다. (huggingface.co)
주요 기능과 용도
- 참조 음성을 이용한 제로샷 TTS와 음성 설명에 따른 지시 기반 TTS
- 발화 내용과 가사 편집, 음높이·속도·음량 조절
- 감정·음색·억양 변경, 비언어적 소리 편집, 일반 발화와 속삭임 간 변환
- 음성 잡음 및 잔향 제거, 화자 분리, 목표 화자 추출, 음악에서 노래 음성 분리
음성 콘텐츠 제작과 기존 녹음의 편집·복원 등에 활용할 수 있다. (huggingface.co)
제한과 사용 조건
- 기술 보고서에 따르면 모델은 임의의 자유 형식 요청을 항상 안정적으로 일반화하지 못하며, 작업 식별과 지시 재작성을 위한 Prompt Enhancer의 도움을 받을 수 있다. (arxiv.org)
- 모델 체크포인트 외에 Qwen2.5-Omni-3B 인코더와 VAE가 별도로 로드되므로, 배포 자원을 주 모델의 매개변수 수만으로 판단해서는 안 된다. (huggingface.co)
- 코드와 가중치는 공개돼 있으며 AuK는 MIT 라이선스로 제공된다. (huggingface.co)
출시일
공식 모델 카드에 따르면 코드와 모델 가중치는 2026년 9월 9일 공개됐다. (huggingface.co)
가격
2026년 11월 16일 기준, 중국 내 공식 가격표와 국제 공식 가격표에서 AuK 전용 API의 입력·출력 과금 및 가격을 확인하지 못했다. 따라서 통화, 금액과 과금 단위는 미확인이다. 공개 가중치를 직접 배포할 때는 별도의 컴퓨팅 등 운영비가 발생할 수 있다. 확인한 공식 가격 자료: Tencent Cloud 중국 TokenHub 가격표, Tencent Cloud 국제 TokenHub 가격표. (cloud.tencent.com)