# AuK

> Голос по текстовому приказу: открытая модель, что творит и правит речь

AuK — открытая базовая модель Tencent Hunyuan для генерации и редактирования речи: код и веса модели, инференс на CUDA с CPU offload и MLX на Apple Silicon.

- Категории: Opensource, Обработка звука, Озвучка текста
- Сайт сервиса: https://github.com/Tencent-Hunyuan/AuK
- Карточка в каталоге: https://ailibri.com/auk
- Обновлено: 2026-09-14

## Описание

AuK — открытая модель для генерации и редактирования речи от команды Tencent Hunyuan. Внутри 1,5 млрд параметров и обучение на миллионах часов разного аудио, а управляется всё это обычными текстовыми инструкциями: пишешь, что нужно сделать с голосом или речью, и модель выполняет. Подойдёт разработчикам, звукорежиссёрам и исследователям, которым нужен один инструмент вместо десятка узких утилит — код и веса лежат на GitHub, Hugging Face и ModelScope.

Главная идея — единый интерфейс: любая задача описывается фразой на естественном языке, а не отдельным скриптом с кучей параметров. Отсюда и широкий охват сценариев:

- синтез речи — zero-shot по референсному аудио (озвучит текст голосом из образца) и instruct TTS, где голос задаётся только описанием, без референса;

- редактирование содержания — заменить, вставить или убрать слова в готовой записи, а в пении переписать строчку, сохранив мелодию и голос исполнителя;

- акустика — поднять или опустить высоту на нужное число полутонов, поменять темп речи, подкрутить громкость в децибелах;

- паралингвистика — сменить эмоцию или тембр, убрать региональный акцент, добавить или вычистить вздохи, смех и покашливания, перевести шёпот в обычную речь и обратно;

- очистка и разделение — шумоподавление и дереверберация, изоляция одного спикера, извлечение вокала из музыки, выделение нужного голоса по тому, что он говорит.

Версий две. Базовая AuK ориентирована на максимальное качество, а AuK-Flash — дистиллированная, ей хватает четырёх шагов инференса, так что результат вы получите заметно быстрее. Для запуска понадобится Python 3.10 (uv или conda), стек PyTorch и, помимо самих чекпойнтов, энкодер Qwen2.5-Omni-3B — он загружается отдельно.

Работать можно по-разному: через CLI-команду auk-infer, в интерактивном Gradio-демо, нодами в ComfyUI или прямо из Python API. Отдельно стоит отметить Prompt Enhancer — если вы не знаете, как правильно сформулировать инструкцию, он разберёт свободный запрос, определит задачу, посчитает нужную длительность, подготовит аудио и выдаст готовую строку для запуска. Есть файнтюнинг, поддержка инференса через MLX на Apple Silicon и выгрузка на CPU для CUDA-сборок, если видеопамяти не хватает.

Модель бесплатна и открыта — платить нужно только за собственное железо или облако. Попробовать без установки получится в демо-пространствах на Hugging Face и ModelScope. Дополнительный аргумент к серьёзности проекта: AuK выбрана end-to-end бейзлайном для Single Model Track на ICASSP 2027 Audio Editing Challenge.

## Похожие сервисы в каталоге

- [Fish Audio](https://ailibri.com/fish-audio): ИИ-сервис для преобразования текста в речь и клонирования голоса. Более 2 млн голосов, управление эмоциями, 30+ языков. Попробуйте бесплатно!
- [Pocket TTS Spokenword](https://ailibri.com/pocket-tts-spokenword): Преобразование текста в эмоциональные аудиокниги с AI-анализом эмоций, умной сегментацией предложений и адаптивным голосовым синтезом на базе Pocket TTS.
- [Uberduck](https://ailibri.com/uberduck): Синтез речи, пения и рэпа на 80+ языках с клонированием голосов и API для разработчиков
- [ElevenLabs](https://ailibri.com/eleven-labs): ИИ-генератор голоса ElevenLabs: реалистичная речь, клонирование голоса, дубляж и музыка. 10 000+ голосов на 70+ языках для контента и разработчиков.
- [BreezeBlue](https://ailibri.com/breezeblue): BreezeBlue — бесплатный AI-генератор речи из текста и платформа голосовых агентов. Создавайте выразительные голоса на 50+ языках с низкой задержкой.
- [Yandex SpeechKit](https://ailibri.com/yandex-speechkit): Yandex SpeechKit — распознавание и синтез речи, голосовые агенты, Brand Voice и LLM-обработка аудио. Поддерживается on-premises и SIP-интеграция.

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com