AuK：语音生成与编辑开源基础模型

支持的任务

指令增强器可选，默认开启。开启时，时长填 0 表示自动估算，填大于 0 的值则覆盖估算结果。关闭时必须显式填写大于 0 秒的时长——即便已提供参考音频或文本也一样。

若本 Space 响应缓慢或不可用，可改用官方的 ModelScope 创空间。

输入音频（可选；纯文字合成可留空）

指令

启用指令增强器

默认开启：自动判定任务类型并生成标准指令。时长保持 0 表示自动估算，填入数值则覆盖估算。关闭后必须填写大于 0 的时长。

模型

AuK (Base) AuK-Flash ⚡

时长（秒；0 = 由指令增强器自动估算）

0 120

开启指令增强器：0 = 自动估算，大于 0 则覆盖估算。关闭时请填写大于 0 的值。

NFE 采样步数

4 64

CFG 引导强度

0 5

随机种子（可选）

Base：NFE 32 / CFG 2.0 · Flash：NFE 4 / CFG 0（锁定）

输出音频

摘要

语音识别文本

生成的标准指令

示例

点击任意示例即可载入左侧面板，然后点生成。也可以换不同的随机种子试试。