Tencent rilascia AuK: un solo modello open da 1,5B per sintesi ed editing vocale
In una frase Il 9 settembre Tencent Hunyuan pubblica in open source, con licenza MIT, AuK: modello da 1,5 miliardi di parametri che unisce TTS zero-shot, clonazione vocale, editing del parlato, denoising e separazione delle sorgenti, con una variante distillata AuK-Flash a 4 passi.
Tencent ha pubblicato gratuitamente AuK, un modello di intelligenza artificiale per l'audio vocale che fa da solo il lavoro di molti strumenti diversi.
Può leggere un testo con una voce presa da un breve campione, oppure con una voce descritta a parole. Può modificare una registrazione esistente cambiando alcune parole, l'intonazione, la velocità, l'emozione o l'accento. E può ripulire l'audio dal rumore o separare la voce dalla musica.
Codice e pesi sono scaricabili con licenza MIT, quindi utilizzabili anche in progetti commerciali. Esiste anche una versione più veloce, AuK-Flash, pensata per generare in pochi passaggi.
Aziende
Tencent
Tool
AuK, AuK-Flash, ComfyUI, SGLang-Omni, vLLM-Omni
Tag
Fonti