此页是 2026-09-12 的观测快照,查看该模型当前信息 → /m/tencent__auk/

归档 / 2026-09-12 / AuK-1.5B (Tencent)

AuK-1.5B (Tencent)

开源语音生成与编辑基础模型，支持零样本 TTS

入选理由: 开源语音生成与编辑基础模型，支持零样本TTS、指令编辑、增强分离，有在线Demo可即时试用，适合语音创作者。
对位: 对位 CosyVoice2、F5-TTS
适合: 零样本语音克隆与音色复刻 / 语音内容/情感编辑与降噪增强
不适合: 音乐生成 / 作曲
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: HF 下载 554、点赞 100；MIT；SGLang Omni 支持

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 1 / 5
Q3: 是新东西吗 5 / 5
总分: 11

HuggingFace 原始数据 (抓取于 2026-09-12)

作者: tencent
任务类型: text-to-speech
推理库: 未指定
下载: 554
点赞: 100
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