AuK

在 HuggingFace 空间 · ModelScope 空间上尝试我们的模型!

• [2026/09/16] 将编码器内存减少了约 7.5 GiB，使得在消费级 GPU 上进行本地推理更加容易。请参阅 PR #19。

演示

英语 https://github.com/user-attachments/assets/d07332fc-5f69-4f16-9d00-a7443cc19e6a 中文 https://github.com/user-attachments/assets/c532bbdb-e6ce-4434-a9a5-16f29a8d4135

目录

• 新闻
• 简介
• 性能
• 模型架构
• 支持的任务
• 快速入门
  • 安装
    • uv
    • Conda
  • 下载权重
  • 命令行推理
    • 提示增强器
    • CLI 示例
  • 交互式 Gradio 演示
  • ComfyUI
  • Python API
• 微调
• 贡献
• 致谢
• 引用
• 许可

AuK 是一种用于语音生成和编辑的 1.5B 基础模型。在数百万小时的多样化音频数据上进行训练后，AuK 支持零样本和