腾讯 AuK 语音模型开源代码与权重上线 GitHub,附 ComfyUI 支持
aigclink · x · 2026-09-11
腾讯混元团队在 GitHub 开源 AuK:一个面向语音生成与编辑的开源基础模型,代码与权重公开,提供 Hugging Face 与 ModelScope Demo。仓库支持 uv/Conda 安装、命令行推理、Gradio 交互演示、ComfyUI 集成、Prompt Enhancer、Python API 与微调,并有 SGLang-Omni 的 Day 0 支持。模型规模为 1.5B,统一处理克隆、指令合成、编辑、增强、分离等任务。
所属事件:腾讯混元开源 AuK 语音基础模型五合一(4 条相关)→
「多模态」频道最新
- Ludovic Creator 用 Seedance 2.5 打造 Snorricam 运镜系列短片 — LudovicCreator · 2026-10-27
- Gradium 发布免费朗读工具：仅 4000 万参数的多语言语音模型 Phonon — mattturck · 2026-10-27
- 无限递归漩涡提示词走红：让图像不断向内螺旋缩小 — azed_ai · 2026-10-27
- 170 多位 AI 创作者合拍一部集体电影，11 月 6 日首播 — Loo_Atreides · 2026-10-27
- 12GB 显存实测:不设 VRAM 上限,出图从 24 秒变 11 分钟 — Impossible-Mail-4619 · 2026-10-27
- Midjourney 创作者分享 sref 风格参考出图:暗黑哥特人物 — OVolosin82152 · 2026-10-27