此页是 2026-09-11 的观测快照,查看该模型当前信息 → /m/tencent__auk/

归档 / 2026-09-11 / AuK (Tencent)

AuK (Tencent)

1.5B 语音生成与编辑模型，支持零样本 TTS

入选理由: 开源统一语音生成与编辑模型，支持零样本TTS、歌声/情感/口音编辑及语音分离，提供在线Demo和SGLang-Omni接入，当天即可试用。
对位: 对位 Fish Speech 1.5 / CosyVoice2
适合: 零样本语音克隆 / 指令 TTS / 语音编辑、增强与分离
不适合: 实时流式低延迟场景
规模: 1.5B · 未知 · Q4 ~1GB / FP16 ~3.6GB
授权: MIT · 需自查
框架: sglang-omni
语种: 未公开
可信度: MIT 许可，SGLang-Omni Day 0 支持，ModelScope 可用

仅 safetensors · 无 pickle 加载风险

快速上手示例

python -m sglang_omni.cli serve --model-path tencent/AuK

依赖版本和硬件参数请以源仓库说明为准。

评分详情

Q1: 今天能接上用吗 5 / 5
Q2: 有可信证据吗 3 / 5
Q3: 是新东西吗 5 / 5
总分: 13

HuggingFace 原始数据 (抓取于 2026-09-11)

作者: tencent
任务类型: text-to-speech
推理库: 未指定
下载: 179
点赞: 68
许可证: MIT
标签: audio, speech, text-to-speech, zero-shot-tts, voice-cloning, speech-generation, speech-editing, speech-enhancement, source-separation, speech-separation, instruction-guided, diffusion, arxiv:2609.08936, license:mit, region:us

探索