AuK Technical Report: An Open-Source Foundational Model for Speech Generation and Editing

• 类型：arxiv
• 标识：2609.08936
• 链接：https://arxiv.org/abs/2609.08936
• 主分类：multimodal
• 形态：method
• 被引：3
• 被引来源：Semantic Scholar
• S2被引：3
• OpenAlex被引：0
• 影响力被引：1
• TLDR：AuK, an open-source foundational model that unifies speech generation and editing through a common interface of natural-language instructions and audio context, is introduced and leading performance on zero-shot and instruction-controlled speech generation and general instruction-guided editing is demonstrated.
• OpenAlex ID：W7212041080
• OpenAlex DOI：10.48550/arxiv.2609.08936
• DOI：10.48550/arxiv.2609.08936
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.08936
• OpenAlex更新：2026-09-11
• 待LLM分类：否
• 标题中文：AuK 技术报告：用于语音生成与编辑的开源基础模型
• TLDR中文：本文提出 AuK，一个开源基础模型，通过自然语言指令与音频上下文的统一接口整合语音生成与编辑，在零样本与指令控制的语音生成以及通用指令引导编辑上取得领先性能。
• 来源文件：
• /inbox/tom/_candidates/2026-09-09-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]