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。
「多模态」频道最新
- AI 电影节 Lumara 将登陆纽约,顶级 AI 电影人齐聚评审 — 0xAllen_ · 2026-09-11
- FLUX.2 Klein 换表情易丢脸，实测不如免费版 Gemini 保真 — wacomlover · 2026-09-11
- 用 Midjourney+Seedance 把龙神宿敌大战拍成 AI 电影短片 — azed_ai · 2026-09-11
- fable 5.1 用 25.6 万条 JS 笔画复刻《星月夜》 — cedric_chee · 2026-09-11
- GPT-6 Astra 接 Hyper3D MCP,一句话生成 3D 资产 — ahuja_priyank · 2026-09-11
- AI 视频仍穿帮的五个信号:小物件物理、无摄影师与跨镜头光线断裂 — NewPhoneWhotiz · 2026-09-11