AuK: modelo abierto de voz de 1.5B de Tencent

ComfyUI Wiki

AuK es un modelo de voz abierto de 1.5B que cubre TTS zero-shot, clonación de voz, edición de contenido y acústica, edición paralingüística, mejora y separación.

A

AuK

TTSClonación de vozEdición de vozMejoraSeparación

Modelo fundacional de voz base de 1.5B de Tencent Hunyuan. Gestiona TTS, clonación de voz, reescritura de letras, edición de tono y velocidad, transferencia de emoción y timbre, eliminación de ruido y separación de hablantes o voces, todo a través de una única interfaz de instrucciones. Se ejecuta en ComfyUI mediante los nodos oficiales ComfyUI-AuK.

Repositorio HFGitHubGuía de ComfyUI
DesarrolladorTencent Hunyuan + Shanghai Jiao Tong University
Fecha de lanzamiento2026-09-09
ArquitecturaTransformer de difusión de 1.5B + codificador Qwen2.5-Omni-3B
LicenciaMIT
Parámetros1.5B
SalidaHasta 30 segundos de audio por ejecución

Capacidades

  • TTS zero-shot: pronunciar el texto objetivo con una voz de referencia, o describir una voz sin audio de referencia (instruct TTS)
  • Edición de contenido: reemplazar, insertar o eliminar palabras habladas; reescribir la letra cantada preservando la melodía y la voz
  • Edición acústica: tono por semitonos, velocidad del habla, volumen
  • Edición paralingüística: emoción, timbre, eliminación de acento, sonidos no verbales, conversión a susurro
  • Mejora y separación: eliminación de ruido, desreverberación, conservar un solo hablante, extracción de voces de la música, extracción del hablante objetivo

Uso en ComfyUI

Ejecuta los nodos oficiales ComfyUI-AuK con AuK Model Loader y AuK Generate / Edit:

  1. Instala el extra comfyui en el entorno Python de ComfyUI: pip install -e ".[comfyui]"
  2. Enlaza comfyui/ComfyUI-AuK en ComfyUI/custom_nodes
  3. Descarga auk_base.safetensors y el directorio del codificador Qwen2.5-Omni-3B
  4. Abre el flujo de trabajo auk.json incluido y configura las rutas del checkpoint y del codificador en AuK Model Loader

La fuente/referencia más el objetivo generado deben ajustarse a 30 segundos por ejecución. Consulta la guía oficial de ComfyUI para la configuración de Prompt Enhancer y las configuraciones de Flash.

Relacionado

Guides and workflows related to this model series.

No articles found.

Comentarios

Inicia sesión con GitHub para unirte a la conversación.

Cargando comentarios…