AuK 模型参数、许可证与获取服务

中文简介

AuK 用统一的自然语言指令接口处理语音生成与编辑，覆盖音色描述、内容替换、音高速度调整、增强和分离。它适合把多个音频处理环节放在同一模型中试验。

UPSTREAM README

上游模型卡 / 数据集卡

简体中文（默认）上游原文

【定位与用途】
AuK 用统一的自然语言指令接口处理语音生成与编辑，覆盖音色描述、内容替换、音高速度调整、增强和分离。它适合把多个音频处理环节放在同一模型中试验。

【如何选择】
用于可控 TTS、语音内容编辑和音频修复原型，按任务选用对应指令模板。

【版本与获取范围】
选型方向：语音与音乐。固定上游版本：790742b71a4430120daf2b2099192abae449eb9f。API 任务字段：text-to-speech。上游最近更新时间：2026-09-10（不一定为首次发布日期）。规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

【容易混淆的边界】
涉及人声或歌声编辑时需确认录音及主体授权；不同任务的输出质量应分别评估。

本节是本站基于固定版本卡片编写的中文选型摘要，并非原文逐句翻译。完整操作、评测协议与许可原文请查看上游固定版本链接；模型效果及资源处理需求尚未由本站实测。

基于固定版本上游资料编写的中文选型说明 · 2026-09-20 15:03

本页提供中文选型摘要，请通过上方固定版本链接查看完整上游模型卡或数据集卡。

适用场景

用于可控 TTS、语音内容编辑和音频修复原型，按任务选用对应指令模板。

模型参数

选型方向：语音与音乐。固定上游版本：790742b71a4430120daf2b2099192abae449eb9f。API 任务字段：text-to-speech。上游最近更新时间：2026-09-10（不一定为首次发布日期）。规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

文件说明

上游 API 返回 8 个文件，文件元数据合计 6.30 GB。已保存文件清单中的主要扩展名：.png 2 个、.safetensors 2 个、无扩展名 2 个、.md 1 个、.yaml 1 个。当前较大的文件包括：auk_base.safetensors（5.70 GB）；vae.safetensors（607.80 MB）；assets/performance.png（2.15 MB）。此处只统计当前 Git 仓库的文件元数据，不包含外部链接、Bucket 或另行申请的完整集合。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

.gitattributes1.59 KB
assets/arch.png841.08 KB
assets/performance.png2.15 MB
auk_base.safetensors5.70 GB
config.yaml1.28 KB
LICENSE1.61 KB
README.md9.86 KB
vae.safetensors607.80 MB

硬件建议

先选定所需权重格式和精度，再核对推理代码、依赖与目标硬件。仓库元数据合计可能包含多个变体、视觉组件或示例，不能用来直接推算运行显存；内存还受上下文、缓存、批量和并发影响，应以小样本实测确定配置。

注意事项

涉及人声或歌声编辑时需确认录音及主体授权；不同任务的输出质量应分别评估。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。