AuK-Flash 및 AuK: 텐센트, 오디오를 생성·편집·분리하는 오픈 음성 모델을 조용히 공개

텐센트(Tencent)는 이번 주 2026년의 가장 영향력 있는 오픈 음성 모델 두 가지를 공개하고도 사실상 아무에게도 알리지 않았다. 9월 7일경, 허깅페이스(Hugging Face)의 텐센트 조직은 AuK — 자체 모델 카드의 표현을 빌리면 "음성 생성 및 편집을 위한 1.5B 파운데이션 모델" — 와 AuK-Flash, 즉 같은 모델의 4단계 증류 변형판을 모두 MIT 라이선스로 공개했다. 두 저장소(repository)에는 텐센트의 블로그 게시물도, 소셜 공지도, 보도자료도 첨부되어 있지 않다. 두 모델을 합친 다운로드 횟수는 수십 회에 그치고, 모델 카드가 링크하는 코드 저장소에는 접근할 수 없으며, 검색엔진에 색인된 웹 어디에도 독립적인 벤치마크는 존재하지 않는다. 이 글은 두 저장소와 설정 파일, 그리고 텐센트 자체 프로젝트 페이지에서 실제로 알 수 있는 것과 아직 검증되지 않은 것을 정리한다.

이 주장은 독립적인 수치가 없더라도 진지하게 받아들일 가치가 있다. 그 범위가 이례적이기 때문이다. AuK는 또 하나의 음성 복제 모델이 아니다. 단일 자연어 명령 인터페이스를 통해 제로샷 및 명령 기반 텍스트 음성 합성, 무엇을 말하는지·어떻게 말하는지·그 주변의 비언어적 소리까지 아우르는 편집, 그리고 음성 향상, 음성 분리, 음악 분리를 약속한다. 이 분야는 역사적으로 각 작업마다 다른 전문 모델을 구축해 왔다. Tencent의 도박은 하나의 생성형 백본에서 단일 모델이 이 모든 것을 수행할 수 있다는 것, 그리고 AuK-Flash가 실시간에 가까운 사용에 충분히 빠르게 처리할 수 있다는 것이다.

체크포인트 두 개, 릴리스 하나

Hugging Face API 타임스탬프는 저장소가 공개되기 전까지 비공개 상태로 있었음을 보여준다. 기본 tencent/AuK 저장소는 2026년 8월 18일에, tencent/AuK-Flash는 8월 21일에 각각 생성되었으며, 이후 두 저장소 모두 9월 8일에 마지막으로 수정되었다. 모델 카드에는 9월 7일자 뉴스 항목 — “[2026/09/07] AuK가 이제 오픈소스로 공개되었습니다. 코드와 모델 가중치를 공개적으로 이용할 수 있습니다.” — 이 실려 있다. 이러한 정황을 자연스럽게 읽으면, 텐센트가 8월 중하순에 저장소를 만들고 9월 7일 무렵 공개로 전환한 다음 9월 8일에 모델 카드를 다시 수정했다는 뜻이다. 이 모델에 대한 정보는 검색엔진에 색인된 웹 어디에도 나타나지 않으며, 다운로드 횟수도 수십 회에 그친다. 따라서 “조용한 출시”는 수사적 선택이 아니라 말 그대로의 상황이다.

두 체크포인트는 동일한 아키텍처가 수명 주기의 서로 다른 시점에 있는 모습입니다. AuK는 고품질 생성을 목표로 하는 기본 모델인 티처(teacher)이며, AuK-Flash는 빠른 4단계 추론을 위해 증류된 스튜던트(student) 모델입니다. 이 때문에 AuK-Flash는 더 흥미로운 배포 대상이 되며, 여기서 제목의 주인공이 된 이유이기도 합니다. Tencent의 프로젝트 페이지에서는 이 모델 제품군이 약 15억 개의 파라미터로 소개되며, 학습 데이터에 대해 모델 카드에는 단지 "수백만 시간의 다양한 오디오 데이터"라고만 명시되어 있습니다. 프로젝트 페이지는 이를 약 30.3억 개의 instruction–audio 인스턴스에 걸친 약 195만 시간의 유효 지도(supervision) 데이터로 특정합니다. 프로젝트 페이지에는 Shanghai Jiao Tong University와 Tencent Hunyuan의 표시도 함께 실려 있어, AuK가 상업용 제품군이 아닌 Tencent Hunyuan의 오픈 모델 연구 계열에 속함을 보여 줍니다. 사전 학습 이후에 진행된 것은 학습만이 아닙니다. Tencent는 개방형 편집을 위한 인간 피드백 선호 최적화와 음성 생성을 위한 보상 기반 강화 학습을 혼합한 후속 학습(post-training) 단계를 설명합니다.

카드의 변형 표는 무엇이 무엇인지에 대해 모호함이 없습니다: AuK는 "고품질 생성을 위한 기본 모델"이고, AuK-Flash는 "빠른 4단계 추론을 위한 증류 모델"입니다. 둘 다 Tencent-Hunyuan 네임스페이스 아래에서 Hugging Face와 ModelScope에서 다운로드할 수 있으며, 둘 다 MIT 라이선스를 보유하고 있습니다 — 이는 오픈 웨이트 릴리스가 가질 수 있는 가장 허용적인 라이선스 중 하나로, 그 위에 제품을 구축하려는 모든 사람에게 중요한 의미를 지닙니다.

명령 기반 모델 하나가 실제로 하는 일

AuK의 인터페이스는 하나의 프롬프트 상자입니다. 모델에 자연어 지시와 작업에 필요한 오디오 참조를 제공하면 오디오를 반환합니다. 카드 자체 분류에 따라 다섯 가지 작업 계열은 다음과 같습니다:

• 음성 생성 — 참조 클립에서 음성을 복제하는 제로샷 TTS와, 참조 오디오를 전혀 사용하지 않고 음성 설명만으로("따뜻한 여성 목소리, 약간 느리게") 음성을 합성하는 "instruct TTS"

콘텐츠 편집 — 말한 내용을 다시 쓰는 것: 기존 녹음에서 단어를 대체, 삽입 또는 제거하는 작업, 그리고 멜로디와 가수의 목소리는 유지하면서 노래 클립의 가사를 다시 쓰는 가사 편집.

• 음향 편집 — 피치(반음 단위), 말하기 속도, 볼륨(데시벨 단위)을 기존 클립에서 각각 조절할 수 있으며, 음성의 정체성과 내용은 그대로 유지됩니다.

• 준언어적 편집 — 감정, 음색(설명에 따름), 억양 제거, 숨소리·웃음·기침과 같은 비언어적 소리의 추가 또는 제거, 일반 음성과 속삭임 간 변환.

• 향상 및 분리 — 음성 향상(잡음 제거 및 잔향 제거), 발화 순서에 따른 음성 분리, 믹스에서 노래 목소리를 분리해 내는 음악 분리, 그리고 화자가 말하는 내용으로 식별되는 대상 화자 추출.

그 목록이 실제 차별화 요소다. 2026년의 가장 뛰어난 오픈 음성 시스템들 대부분은 이 중 한두 가지에 강하다 — 음성 복제와 TTS가 가장 경쟁이 붐비는 분야다 — 나머지에서는 약하거나 아예 부재하다. AuK의 승부수는 폭이다: 동일한 가중치, 동일한 지시 형식을 생성, 편집, 분리에 걸쳐 적용하는 것, 이는 보통 파인튜닝된 전문 모델들의 모음으로만 제공되는 범위다.

어떻게 만들어지는지

리포지토리와 프로젝트 페이지를 함께 읽으면 일관된 아키텍처 그림이 나온다. AuK는 텍스트를 읽고 토큰을 생성하는 종류의 자동 회귀 오디오 언어 모델이 아니다. 그것은 이미지 모델 방식의 플로우 매칭 확산 시스템이며, 세 부분으로 구성되어 있다:

• 별도로 다운로드되는 멀티모달 대규모 언어 모델(Qwen/Qwen2.5-Omni-3B)은 지침과 모든 참조 오디오를 읽고 시맨틱 컨디셔닝을 생성합니다.

• 음성, 일반 오디오 및 음악에 대해 공동으로 훈련된 오디오 VAE는 50Hz 음향 잠재 변수를 통해 24kHz에서 인코딩 및 디코딩합니다. 저장소의 구성은 이를 잠재 차원 64 및 480배 다운샘플을 갖춘 BigVGANFlowVAE로 식별하며, 별도의 vae.safetensors 파일로 제공합니다.

생성 코어는 하이브리드 rectified-flow 트랜스포머입니다. 텍스트와 오디오 컨디셔닝을 분리해 유지하는 이중 스트림 MMDiT 블록과, 이를 혼합하는 통합 단일 스트림 DiT 블록으로 구성되며, flow-matching 목적 함수로 학습됩니다. 공개된 구성은 너비 1,536, 24개 헤드, 10개의 이중 스트림 레이어와 20개의 단일 스트림 레이어를 가진 모델을 보여줍니다.

AuK-Flash는 증류를 거친 동일한 트랜스포머입니다. 텐센트는 2단계 프로세스를 설명합니다 — 궤적 수준의 일관성 초기화(trajectory-level consistency initialization), 그다음 "task-routing decoupled" DMD 목표(objective), 그리고 clean-prediction 회귀 감독(regression supervision)으로 마무리됩니다. 프로젝트 페이지에 따르면 그 결과는 추론 시 classifier-free guidance 없이 4번의 샘플링 단계만으로 teacher에 근접한 생성 품질을 제공하며, 동일 조건에서 전체 모델 대비 약 4.5배의 wall-clock 속도 향상을 보입니다. 이는 공급업체의 주장이며 재현되지 않았지만, AuK-Flash가 빌더가 선택하게 될 변형인 이유가 되는 구체적인 근거입니다.

텐센트가 주장하는 것과 독자가 확인할 수 있는 것

프로젝트 페이지는 강력한 정성적 주장을 펼친다. AuK는 생성(generation)과 편집(editing)에서 '선도적(leading)'이며, 향상(enhancement)과 분리(separation) 같은 신호 수준 복원 작업에서는 '경쟁력이 있다(competitive)'고 주장하고, 그 근거가 되는 벤치마크 스위트를 나열한다: 생성에는 Seed-TTS-Eval과 InstructTTSEval, 편집에는 MMAE-Speech, SpeechEditBench, Ming-Freeform-Audio-Edit, 지각 품질에는 DNSMOS와 UTMOS, 향상과 분리에는 DNS Challenge, CHiME-4, Libri2Mix가 있다. 페이지에는 수치 점수가 공개되어 있지 않고, 이를 뒷받침하는 논문도 없으며, 제3자가 재현한 사례도 없다. 이러한 주장은 모두 공급업체가 보고한 것이므로, 독립적인 실행 결과가 나오기 전까지는 그런 관점에서 읽어야 한다.

두 가지 다른 주장도 표시해 둘 필요가 있는데, 이는 2026년 9월 9일 직접 확인했을 때 사실로 확인되지 않았기 때문입니다. 첫째, 카드에는 코드가 공개적으로 제공되며 설치, Gradio, ComfyUI 및 파인튜닝 지침을 위해 github.com/Tencent-Hunyuan/AuK를 링크한다고 되어 있지만, 이 저장소는 현재 글을 쓰는 시점에서 HTTP 404를 반환하며 Tencent-Hunyuan 조직의 공개 저장소 목록에도 없습니다. 코드가 단순히 아직 배포 중일 수도 있습니다. 어느 쪽이든 "코드 사용 가능"은 현재 카드의 주장일 뿐, 독자가 실제로 행동할 수 있는 사항은 아닙니다. 둘째, 카드는 Hugging Face 및 ModelScope의 데모 Spaces를 가리키는데, ModelScope 스튜디오는 응답하지만 Hugging Face Space는 확인했을 때 인증 장벽이 표시되어 데모가 기껏해야 부분적으로만 공개되어 있습니다.

여기에 무엇이 있고, 무엇이 빠져 있나요?

2026년 9월 9일 재고를 조사하는 것은 실제 릴리스와 완전한 릴리스를 구분한다.

• 현재 — MIT 라이선스 하에 다운로드 가능한 두 가지 가중치 세트: 기본 모델용 tencent/AuK와 증류된 4단계 변형용 tencent/AuK-Flash로, 각각 확산 트랜스포머 기준 약 6.1GB에 번들 VAE가 포함되어 있으며, Hugging Face와 ModelScope에 미러링되어 있습니다.

• 현재 — 하나의 지시 인터페이스 아래 비정상적으로 넓은 작업 표면: 생성, 콘텐츠·음향·준언어적 편집, 향상, 분리가 모두 단일 모델 제품군에서 지원됩니다.

• 제시 — 구체적인 '빠른' 사례: AuK-Flash는 classifier-free guidance 없이 4단계로 증류되며, 벤더가 주장하는 4.5배의 wall-clock 속도 향상을 제공한다.

• 누락 — 공지사항. 아직 Tencent 블로그 게시물, 소셜 게시물, 보도자료 또는 Hunyuan 채널 게시물 중 어느 것도 두 저장소를 가리키지 않습니다.

• 누락 — 논문 또는 기술 보고서. 프로젝트 페이지의 인용 블록은 저자도 arXiv 식별자도 없는 자리 표시자이며, 벤치마크 주장을 뒷받침하는 공개된 수치도 없습니다.

• 누락 — 접근 가능한 코드. 카드가 링크하는 GitHub 리포지토리와 Cookbook은 상태 확인 시점 기준 404를 반환하므로, 지금 실행 가능한 유일한 산출물은 가중치(weights)와 커뮤니티가 그 주변에서 조합하는 것뿐입니다.

• 누락 — 서빙 및 독립 평가. AuK를 호스팅하는 추론 제공자가 없고, 호스팅 API도 존재하지 않으며, 다운로드 수가 수십 개에 불과해 아직 아무도 재현 결과를 발표하지 않았습니다.

오늘 AuK-Flash를 실행하시나요, 아니면 기다리시나요?

AuK-Flash를 직접 실행하고 싶다면, 코드가 명시적으로 공개되어 있지 않더라도 다운로드 경로는 분명합니다. tencent/AuK-Flash와 tencent/AuK를 pull하고(teacher가 필요하지 않으면 base는 선택 사항), Qwen/Qwen2.5-Omni-3B도 pull하세요. 체크포인트에는 diffusion-transformer와 layer-fusion 가중치만 포함되어 있기 때문이며, 멀티모달 인코더와 VAE는 런타임에 별도의 파일에서 로드됩니다. 모델 카드에는 로딩 중 누락되는 text_encoder 키가 예상된 것이라고 명시되어 있습니다. 진짜 제약은 하드웨어입니다. 이 모델은 약 1.5B diffusion transformer로 체크포인트만 약 6.1GB이고, 약 3B 멀티모달 인코더 및 VAE와 함께 실행되므로 노트북용 모델이 아니라 24GB GPU가 합리적인 출발점입니다. config의 메모리 노트는 그래디언트 체크포인팅으로 학습 피크 메모리가 약 91GB에서 75GB로 줄어든다고 언급하지만, 이는 학습에 관한 내용이며 추론 요구사항으로 해석해서는 안 됩니다. 소프트웨어의 경우 config는 기본적으로 flash-attention 백엔드를 사용하도록 설정되어 있지만, 추론 CLI는 일반 torch attention 백엔드로 폴백할 수 있어 첫 실행 시 flash-attn 빌드 단계가 필요 없습니다.

오늘 그러한 작업을 수행할 가치가 있는지는 여러분이 무엇을 만들고 있느냐에 달려 있습니다. 솔직한 현재 상황은 이 모델이 주목하고 샌드박스에서 테스트해 볼 만한 모델이지, 아직 프로덕션 파이프라인에 연결할 모델은 아니라는 것입니다. 논문도 없고, 접근 가능한 코드도 없고, 독립적인 평가도 없기 때문에, 기능 주장은 전적으로 Tencent의 말에 의존합니다. 오늘 API를 통해 음성 생성, 편집 또는 분리를 원하는 팀에게 실제로 서비스되는 모델이 실용적인 선택이며, 이것이 바로 엔드포인트가 있는 모델들 사이에서 OrcaRouter가 수행하는 역할입니다. 200개 이상의 모델에 하나의 API를 제공하고 공급업체의 공시 가격을 마크업 없이 그대로 전달하므로, 벤더의 가격이 첫날부터 고객의 가격이 됩니다. 또한 자동 장애 조치(failover) 덕분에 검증되지 않은 신참 모델을 파이프라인 전체를 걸지 않고 실제 트래픽의 일부에서 시험해 볼 수 있습니다. 이 중 어느 것도 아직 AuK 또는 AuK-Flash에는 적용되지 않습니다. 이를 서빙하는 곳이 없기 때문입니다. 어떤 제공업체가 AuK를 호스팅하는 순간, 라우터 경제성이 이를 평가하는 저렴한 방법이 됩니다. 그때까지는 가중치를 자체 호스팅하거나 기다리는 선택뿐입니다.

자주 묻는 질문

AuK 또는 AuK-Flash를 API를 통해 사용할 수 있나요?

아니요. 둘 다 가중치(weights)만 공개한 릴리스입니다. 어떤 추론 제공업체도 이를 호스팅하지 않으며, 호스팅된 API도 존재하지 않으므로 현재 호출할 수 있는 것은 없습니다. 사용할 수 있는 유일한 방법은 가중치를 직접 다운로드하여 직접 실행하는 것입니다.

AuK와 AuK-Flash의 차이점은 무엇인가요?

동일한 모델 패밀리의 두 단계 버전이다. AuK는 고품질 생성을 목표로 하는 베이스 모델이고, AuK-Flash는 classifier-free guidance(CFG)를 사용하지 않으며, 빠른 4단계 추론에 맞게 튜닝된 증류 변형 모델이다. Tencent에 따르면 AuK-Flash는 동일 조건에서 베이스 모델보다 약 4.5배 더 빠르게 실행된다. 이 속도 향상 수치는 공급업체가 보고한 값이며, 독립적으로 측정된 것은 아니다.

AuK-Flash를 상업적으로 사용할 수 있나요?

가중치는 MIT 라이선스 하에 공개되며, 라이선스 고지가 보존되는 조건으로 상업적 사용이 허용됩니다 — 가장 제한이 적은 일반적인 오픈 가중치 라이선스입니다. 카드가 링크하는 별도의 코드 저장소는 2026년 9월 9일 현재 접근할 수 없으므로, 코드 재사용에 대한 실질적인 답변은 그것이 나타날 때까지 여전히 미결 상태입니다.

무엇을 볼까요?

• 코드 저장소 — github.com/Tencent-Hunyuan/AuK는 가장 가치가 높은 누락 자산입니다. 그것이 등장하면, Cookbook의 지침 템플릿은 위의 작업 목록을 마케팅 문구에서 실제 실행 가능한 것으로 바꿔 줍니다.

독립 실행 — 최초의 제3자 재현은 "선도적인" 생성 및 편집 주장이 실제 오디오에서도 유효한지, 그리고 4단계 AuK-Flash가 정말로 기본 모델에 근접하는 성능을 내는지를 판가름할 것입니다.

• 논문 — 프로젝트 페이지의 인용 정보가 자리 표시자(placeholder)인데, 이는 보통 arXiv 제출이 곧 있을 것임을 의미합니다. 학습 레시피, 벤치마크 수치, 증류(distillation) 세부 사항이 모두 그곳에 담겨 있습니다.

• 서빙 리스팅 — AuK를 호스팅하는 최초의 추론 제공자가 이를 가중치 디렉터리에서 가격이 매겨진 호출 가능한 모델로 전환하며, 이때 자체 호스팅 프로젝트가 아닌 라우터를 통해 시험 사용할 수 있게 된다.

AuK와 AuK-Flash는 실제로 존재하지만, 가장 흥미로운 오픈 릴리스들이 대개 그렇듯 미완성 상태입니다. 가중치는 정직하게 공개되어 있지만, 그에 대한 이야기는 아직 쓰이지 않았습니다. tencent/AuK-Flash를 북마크하고, 논문이나 독립적인 벤치마크가 나오기 전까지 모든 성능 주장을 공급업체 보고 수준으로 취급하며, 앞으로 며칠 안에 이 유망한 산출물을 실제 구축 가능한 결과물로 바꿔줄 코드가 공개되는지 지켜보십시오.