AuK

一个模型搞定语音生成、编辑与分离

AuK 是一个开源语音生成与编辑基础模型，目标是把语音合成、语音编辑、说话人提取、语音增强和音源分离等任务统一到一个模型框架中。它解决的是传统语音流水线中模型碎片化的问题：过去做一段带背景音乐的播客或视频配音，往往需要分别调用 ASR、降噪、分离、TTS 和音频编辑工具，流程长且容易累积误差。AuK 以 PyTorch 实现，提供 Python 接口，定位为可扩展的基座模型，让开发者用一套权重完成从语音生成到后期编辑的多种操作，降低搭建语音处理应用的工程成本。项目处于早期阶段，星标约 536，适合研究者和小团队快速验证想法，但生产级稳定性仍需自行评估。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1070

维护状态活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队Tencent-Hunyuan

所属国家

官网地址https://auk-project.github.io

GitHubhttps://github.com/Tencent-Hunyuan/AuK

定价模式free

价格说明开源项目，免费使用

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型deep-learning,foundation-models,python,pytorch,separation,speaker-extraction,speech,speech-editing,speech-enhancement,text-to-speech,zero-shot-tts

GitHub 星标★ 1070

30天Star增速

HF 下载量

上线时间2026-08-19 00:00:00

最近更新2026-09-17 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-13

浏览次数9

使用教程

难度：进阶约 10 分钟部署方式：库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 3.10 环境（README 明确要求）
uv 或 Conda 之一，用于创建隔离环境
可访问 GitHub 的网络
PyTorch 运行环境（项目基于 PyTorch 实现）

安装与启动步骤

1克隆仓库

README 明确给出此命令，从 GitHub 拉取 AuK 源码到本地当前目录。
```
git clone https://github.com/Tencent-Hunyuan/AuK
cd AuK
```
2创建 Python 3.10 环境

README 只说明用 uv 或 Conda 二选一创建隔离的 Python 3.10 环境，节选中未给出具体命令，请按仓库文档执行。
3查阅后续安装说明

节选内容到此截止，依赖安装与权重获取步骤未展示，需打开仓库 README 全文继续操作，勿自行猜测参数。
4在线 Demo 先试效果

若只想快速体验，可直接使用 README 给出的 HuggingFace Space 或 ModelScope Studio 在线演示，无需本地部署。

如何确认成功

README 未提供本地启动验证命令；可先访问 README 中的 HuggingFace 或 ModelScope 在线 Demo 确认模型效果。

常见问题

Q：用 uv 还是 Conda 创建环境？

A：README 说明两者任选其一，都用于建立隔离的 Python 3.10 环境，节选中未给出对应命令，请查看仓库文档。

Q：模型权重从哪里下载？

A：本次 README 节选未提供权重下载地址，请查看仓库 README 全文或官网 auk-project.github.io 上的说明。

Q：AuK 能做哪些语音任务？

A：按官方描述，它把语音合成、语音编辑、说话人提取、语音增强和音源分离统一在同一模型框架中。

Q：不装环境能直接体验吗？

A：可以，README 提供了 HuggingFace Demo Space 与 ModelScope Demo Space 两个在线入口。

注意事项

README 节选未包含完整安装命令，实际依赖与权重获取请以仓库文档为准，本教程未虚构任何命令。
项目处于早期阶段，生产环境稳定性需自行评估。
务必使用独立的 Python 3.10 环境，避免与系统已有依赖冲突。
仓库地址为 https://github.com/Tencent-Hunyuan/AuK，官网 https://auk-project.github.io。

核心亮点

统一框架覆盖生成、编辑、分离、增强等多任务，减少多模型拼接成本
基于 PyTorch，Python 接口对研究者友好，便于二次开发和微调
开源权重与代码，可本地部署，适合隐私敏感或离线语音处理场景

不足之处

项目处于早期，文档和预训练权重的完整度可能有限
多任务统一模型在单项任务上的效果未必优于专用 SOTA 模型

适用场景

播客或视频后期：自动分离人声与背景音乐并做语音增强
有声内容创作：用生成与编辑能力快速修改配音中的错词或语气
语音数据预处理：从混合音频中提取说话人片段用于训练或分析

替代项目

FunASR、CosyVoice、Demucs

项目介绍

AuK 是一个音频音乐领域的开源项目，官方简介：AuK: An Open-Source Foundational Model for Speech Generation and Editing。项目使用 Python 开发，在 GitHub 上获得 536 星标。

上一篇：supertonic

下一篇：asmr-dubber

AuK