AuK:腾讯开源语音生成与编辑模型系列
ComfyUI Wiki
AuK 是腾讯混元开源的 1.5B 语音模型系列:TTS、声音克隆、内容与声学编辑、副语言编辑、语音增强、音源分离,并附带官方 ComfyUI 节点。
| 开发者 | 腾讯混元 + 上海交通大学 |
| 发布日期 | 2026-09-09 |
| 架构 | 1.5B diffusion transformer + Qwen2.5-Omni-3B MLLM 编码器 |
| 许可证 | MIT |
| 输出 | 每次运行最多生成 30 秒音频 |
模型
选择上方的模型,可查看精选权重下载、教程及相关信息。
评论
使用 GitHub 登录后即可参与讨论。