← Alle Modelle

AuK

Veröffentlicht Herausgeber Tencent

Einordnung und Veröffentlichung

AuK ist ein offenes Basismodell für Sprachgenerierung und Audiobearbeitung mit 1,5 Milliarden Parametern. Tencent veröffentlichte Code und Gewichte am 9. September 2026. Die angegebene Modellkarte enthält die Gewichte des Basismodells; AuK-Flash ist eine separate, für schnelle Vier-Schritt-Inferenz destillierte Variante. (huggingface.co)

Fähigkeiten und Einsatzgebiete

AuK nutzt eine einheitliche Schnittstelle für natürlichsprachliche Anweisungen und unterstützt unter anderem:

  • Zero-Shot-Text-to-Speech mit Referenzstimme sowie Sprachgenerierung anhand einer Stimmbeschreibung;
  • Ersetzen, Einfügen oder Entfernen gesprochener Inhalte und Bearbeiten von Liedtexten;
  • Anpassung von Tonhöhe, Sprechgeschwindigkeit, Lautstärke, Emotion und Klangfarbe sowie Flüsterumwandlung;
  • Sprachverbesserung, Rausch- und Hallentfernung sowie Trennung von Sprechern oder Gesang aus Mischungen. (huggingface.co)

Mögliche Anwendungen sind Sprachsynthese, Nachbearbeitung von Aufnahmen und Bereinigung von Audiomaterial.

Grenzen und Bereitstellung

Code und Modellgewichte stehen unter der MIT-Lizenz. Für die bereitgestellte Inferenz wird zusätzlich der Encoder Qwen2.5-Omni-3B benötigt; dessen Lizenzbedingungen sind gesondert zu prüfen. Lokaler Betrieb verursacht Rechen- und gegebenenfalls Infrastrukturkosten. Für die dokumentierte ComfyUI-Integration gilt eine Begrenzung von 30 Sekunden für die kombinierte Quell- und Zielsequenz; diese Angabe ist nicht als allgemeine Modellgrenze belegt. (huggingface.co)

Preise

Für AuK konnten bei der Prüfung der offiziellen chinesischen und internationalen TokenHub-Preislisten keine spezifischen API-Preise oder Abrechnungssätze für Eingabe und Ausgabe verifiziert werden. Daraus folgt nicht, dass ein gehosteter Dienst kostenlos ist. Abfrage: 16. November 2026. (cloud.tencent.com)

Offizielle Quellen