Nano Banana для аудіо
Tencent представили нову модель AuK для генерації та редагування мови, яка має потужні можливості редагування та налаштування голосу.
Nano Banana для аудіо
Tencent представили AuK для генерації та редагування мови. Це модель 1.5B, яка через один інтерфейс перетворює текст у мову та редагує готові записи за текстовою інструкцією. Вона клонує голос за референсом, змінює слова без перезапису всієї фрази, прибирає акцент і шум, регулює тембр, емоцію, швидкість і висоту, а також відокремлює спікера або вокал від міксу.
Обучали на 1.95 млн годин "ефективного навчального аудіо". Для розуміння інструкцій окремо використовується Qwen2.5-Omni-3B, тому 1.5B це не весь розмір моделі. Разом з базовою версією виклали AuK-Flash. Вона виконує 4 кроки замість 32 і працює в 4.5 рази швидше. Код, ваги та ComfyUI-ноди вже можна покрутити руками.
Посилання
Чому це важливо
АналітикаЦя технологія має потенціал значно спростити процес генерації та редагування мови, що може бути корисним у багатьох сферах, від медіа до освіти.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками