टेंसेंट ने स्पीच जनरेशन और एडिटिंग के लिए AuK फाउंडेशन मॉडल को ओपन सोर्स के रूप में उपलब्ध कराया है, जिसमें Hugging Face और ModelScope पर कोड और वेट्स शामिल हैं। रिलीज़ में AuK-Flash शामिल है, जो तेज़ इनफरेंस के लिए डिज़ाइन किया गया एक संपीडित (distilled) वेरिएंट है जिसमें केवल 4 स्टेप्स हैं।
- AuK एक 1.5B मॉडल है जो ऑडियो डेटा के लाखों घंटों पर प्रशिक्षित किया गया है।
- यह नेचुरल-लैंग्वेज इंस्ट्रक्शन के माध्यम से ज़ीरो-शॉट TTS, कंटेंट और एकोस्टिक एडिटिंग, पैरालिंगुइस्टिक एडिटिंग, स्पीच एनहान्समेंट और सोर्स सैपरेशन का समर्थन करता है।
- रिपॉजिटरी में बेस मॉडल और तेज़ AuK-Flash वेरिएंट दोनों के लिए आधिकारिक वेट्स प्रदान किए गए हैं।
- Hugging Face और ModelScope प्लेटफ़ॉर्म के लिए इंस्टॉलेशन और उपयोग के उदाहरण प्रदान किए गए हैं।
इस रिलीज़ के माध्यम से डेवलपर्स MIT लाइसेंस के तहत कई स्पीच टास्क्स के लिए एक एकीकृत इंटरफ़ेस तक पहुंच प्राप्त कर सकते हैं।