Nano Banana para Audio
Tencent ha presentado AuK para la generación y edición de voz, con potentes capacidades de personalización de voz.
Nano Banana para Audio
Tencent ha lanzado AuK para la generación y edición de voz. Este es un modelo de 1.5B que transforma texto en voz y edita grabaciones listas basadas en instrucciones de texto a través de una única interfaz. Clona voces basadas en referencias, cambia palabras sin regrabar toda la frase, elimina acentos y ruido, ajusta el timbre, la emoción, la velocidad y el tono, y separa al hablante o las voces de la mezcla.
Se entrenó con 1.95 millones de horas de "audio de entrenamiento efectivo". Para entender las instrucciones, se utiliza Qwen2.5-Omni-3B por separado, por lo que 1.5B no es el tamaño completo del modelo. Junto con la versión base, se lanzó AuK-Flash. Realiza 4 pasos en lugar de 32 y funciona 4.5 veces más rápido. El código, los pesos y los nodos de ComfyUI ya están disponibles para experimentación práctica.
Enlaces
Por qué es importante
АналітикаEsta tecnología tiene el potencial de simplificar significativamente el proceso de generación y edición de voz, lo que puede ser beneficioso en varios campos, desde los medios hasta la educación.
Debatir en la comunidad
Діліться своїм досвідом та думками з ШІ-розробниками