lab Tencent Hunyuan (HF) · 1 hari lalu · releases

Tencent merilis model dasar AuK open-source untuk generasi dan pengeditan suara

Diterjemahkan dari English → Bahasa Indonesia

Tencent telah membuat model dasar AuK 1.5B-nya untuk generasi dan pengeditan suara tersedia sebagai perangkat lunak open-source, termasuk kode dan bobot model.

Mendukung text-to-speech zero-shot dan berbasis instruksi, pengeditan konten dan akustik, pengeditan paralinguistik, peningkatan suara, dan pemisahan sumber melalui antarmuka bahasa alami yang terpadu.
Termasuk AuK-Flash, varian distilasi 4 langkah untuk inferensi yang lebih cepat.
Menggunakan model Qwen2.5-Omni-3B sebagai encoder MLLM-nya.
Dirilis di bawah Lisensi MIT dengan bobot tersedia di Hugging Face dan ModelScope.

Rilis ini memungkinkan peneliti dan pengembang mengakses model dasar dan varian distilasi untuk berbagai tugas pemrosesan audio.

Kepentingan 1/3 Kepercayaan 1/3 Tencent Hunyuan (HF) Tencent Open weights Voice & audio

Baca aslinya

Tencent merilis AuK-Flash open-source, model generasi suara distilasi 1.5B

Tencent telah membuat model dasar AuK untuk generasi dan pengeditan suara tersedia sebagai sumber terbuka, termasuk kode dan bobot di Hugging Face dan ModelScope. Rilis ini mencakup AuK-Flash, varian distilasi yang dirancang untuk inferensi cepat dengan hanya 4 langkah.

arxiv arXiv cs.LG · 1 hari lalu · 1 tayangan

TontaubeV1 memungkinkan streaming teks-ke-suara dengan konteks terbatas

Para peneliti menyajikan TontaubeV1, sebuah model teks-ke-suara yang mempertahankan prosodi alami sambil memungkinkan inferensi streaming dari satu GPU konsumen. Sistem ini menggunakan representasi Hierarki DualCodec pada 12.5 Hz untuk memisahkan aliran semantik dari penyempurnaan akustik, sehingga memungkinkan generasi dengan latensi rendah.

arxiv arXiv cs.CL · 1 hari lalu · 1 tayangan

TontaubeV1 memungkinkan streaming teks-ke-suara dengan konteks terbatas

Para peneliti menyajikan TontaubeV1, sebuah model teks-ke-suara yang mempertahankan prosodi alami sambil memungkinkan inferensi streaming dari satu GPU konsumen. Sistem ini menggunakan representasi DualCodec hierarkis pada 12.5 Hz untuk memisahkan aliran semantik dari penyempurnaan akustik, memungkinkan dekode kausal meskipun sifat dasar codec tersebut nonkausal.

arxiv arXiv cs.CL · 1 hari lalu · 3 tayangan

Laporan Teknis AuK: Model Fondasional Sumber Terbuka untuk Generasi dan Pengeditan Ucapan

Laporan teknis AuK memperkenalkan model fondasional sumber terbuka yang menyatukan generasi dan pengeditan ucapan melalui instruksi bahasa alami dan konteks audio.

lab Tencent Hunyuan (HF) · 3 hari lalu · 7 tayangan

Tencent merilis EVIE-4.5B dengan Prefix-MRL dinamis dan kompresi token tanpa pelatihan

Tencent telah merilis EVIE-4.5B, model pengambilan dokumen visual multibahasa berkinerja tinggi yang menampilkan Prefix-Multivector Retrieval Latency (Prefix-MRL) dinamis dan kompresi token Hierarchical Agglomerative Clustering (HAC) tanpa pelatihan.