Nano Banana für Audio: Tencent stellt AuK vor
Tencent hat mit AuK ein neues Modell zur Sprachgenerierung und -bearbeitung vorgestellt, das durch umfassende Voice-Customization-Funktionen besticht.
Nano Banana für Audio
Tencent hat AuK auf den Markt gebracht, ein System zur Sprachgenerierung und -bearbeitung. Das 1,5-Milliarden-Parameter-Modell wandelt Text in Sprache um und bearbeitet vorhandene Aufnahmen anhand von Textanweisungen über eine einzige Schnittstelle. Es kann Stimmen basierend auf Referenzen klonen, Wörter ändern, ohne die gesamte Phrase neu aufnehmen zu müssen, Akzente und Rauschen entfernen sowie Timbre, Emotion, Geschwindigkeit und Tonhöhe anpassen. Zudem ist es in der Lage, Sprecher oder Gesang vom restlichen Mix zu trennen.
Das Modell wurde auf 1,95 Millionen Stunden „effektiver Trainingsaudio“ trainiert. Für das Verständnis der Anweisungen wird separat Qwen2.5-Omni-3B verwendet, was bedeutet, dass die 1,5 Milliarden Parameter nicht die vollständige Größe des Gesamtsystems widerspiegeln. Neben der Basisversion wurde auch AuK-Flash veröffentlicht. Diese Variante führt nur 4 statt 32 Schritte aus und arbeitet 4,5-mal schneller. Code, Gewichte und ComfyUI-Nodes sind bereits für praktische Experimente verfügbar.
Links
Warum das wichtig ist
AnalyseDiese Technologie hat das Potenzial, den Prozess der Sprachgenerierung und -bearbeitung erheblich zu vereinfachen, was in verschiedenen Bereichen von Medien bis Bildung von großem Nutzen sein könnte.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Tencent stellt Hy4 vor: ein Open-Weight-Modell, das DeepSeek herausfordert
Tencent hat Hy4 veröffentlicht, ein multimodales Modell, das in internen Tests 75,2 Punkte im APEX-Agents-Benchmark erreichte und vor DeepSeek V4.1 Flash-1017 lag. Das Unternehmen will die Modellgewichte veröffentlichen.
Nano Banana: Prompts für Grafikdesign
Eine kuratierte Sammlung durchdachter Prompts zur Generierung von Visuals – von Verpackungen über Poster bis hin zu Trends im Jahr 2025.
Prompts für hyperrealistische Haut in Nano Banana
Diese Sammlung umfasst funktionierende Prompts zur Aufnahme von ultradetaillierter Haut und Körpern im redaktionellen Fashion-Kontext.
NotebookLM und Audio Overview (Podcast aus Notizen)
Ein kostenloses Recherche-Tool von Google, basierend auf Gemini-Modellen. Es antwortet streng auf Grundlage der hochgeladenen Quellen (ohne Halluzinationen) und kann langweilige Berichte in lebendige, gesprächige Audio-Podcasts umwandeln.