AuK 是腾讯混元团队开源的 1.5B 参数基础语音模型，专门用于语音生成和语音编辑。
它用统一的自然语言指令（像聊天一样告诉它你想干什么），就能完成多种语音任务，不用换不同工具。训练数据规模很大（数百万小时多样音频），支持零样本和指令控制。
AuK 就像"语音版的全能编辑器"，用一句话就能生成、修改、优化语音，开源后让开发者和创作者都能方便使用。
主要特点
统一接口：所有任务都通过自然语言指令 + 可选参考音频完成，简单好用。
两个版本：
AuK：高质量基础版。
AuK-Flash：蒸馏加速版，只需 4 步推理，速度快约 4.5 倍，适合实时场景。
多任务一体：生成、编辑、增强、分离等能力都在一个模型里。
支持的主要任务（按类别）
语音生成
零样本 TTS（用参考音频克隆音色说指定文字）
指令 TTS（只用文字描述声音，无需参考音频）
内容编辑
改说什么（替换、插入、删除文字）
改歌词（保留旋律和原声）
声学编辑
调音高、语速、音量
副语言编辑
换情绪、换音色、去口音、处理呼吸/笑声等非语言声音、正常语音↔耳语转换
增强与分离
降噪、去混响、语音增强
说话人分离、音乐中提取人声、目标说话人提取
应用领域
内容创作：短视频配音、有声书、播客、游戏角色语音、广告配音。
语音处理工具：快速修录音错误、改情绪风格、去口音、清理噪音。
多模态应用：配合视频/动画生成更自然的语音。
研究与开发：语音 AI 研究、定制化微调、工业级语音流水线。
个人/企业工具：快速语音克隆、内容本地化、无障碍辅助等。
使用教程： （建议N卡，显存8G起，支持50系显卡）
整合包包含所需所有节点，下载主程序和模型（ComfyUI文件夹），解压主程序一键包，将ComfyUI文件夹移动到主程序目录下即可。
WebUI模式：
双击启动进入WebUI，上传参考音频，选择编辑类型，运行生成即可。
ComfyUI模式：
双击启动ComfyUI，进入WebUI后，点击左侧的 工作流程，选择对应的工作流。
上传参考音频，选择编辑类型，运行即可。
++编辑类型切换后，会有对应的文字说明，部分功能不太稳定，大家自行测试++
稳定功能包含但不限于：
声音克隆、提高音量 / 降低音量、语音增强、歌声提取、说话人分离、仅降噪、音质修复
欠稳定功能包含但不限于：
保留所有人声、更换情感、目标说话人提取、调整语速、升调 / 降调、更换音色、删除语音、添加 / 删除非语言声音、去除口音、在前面 / 后面插入语音、替换语音、改写歌词、耳语转换（双向）
软件目录结构：
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ └── auk_base_int8.safetensors
│ │ └── auk_flash_int8.safetensors
│ ├── 📂 text_encoders/
│ │ └── qwen_omni_int8.safetensors
│ ├── 📂 vae/
│ │ └── auk_vae.safetensors
│ ├── 📂 whisper/
📂 deepface/
......
下载地址：点此下载