广东
证券时报·e公司记者从网易有道获悉，该公司近日发布“子曰4.0”TTS语音合成引擎Confucius4-TTS，这是业内首个支持14种语言跨语种无口音，且无需参考文本即可完成语音克隆的开源模型。该模型在跨语种语音克隆、免参考文本建模、情感韵律迁移和本地化部署等关键维度上达到国际最前沿水平，为多语种内容生成、数字人配音、跨语言教学、短剧出海和全球化传播提供了更低门槛的国产化技术底座，现已面向全球用户全量开源。
具体来看，网易有道Confucius4-TTS全面支持中文、英语、西班牙语、法语、德语、韩语、泰语、越南语等语言的自然流利表达。其核心优势在于：通过单段音频输入，模型即可捕捉原声特质，并将其转化为任意目标语言输出，且发音消除跨语种合成中常见的违和口音。更关键的是，模型还能自动提取参考音频里的情感特征。
公司人士表示，语音合成领域长期面临三大技术瓶颈：克隆依赖大量样本、跨语种合成附带口音、情感表达生硬刻板。对此，网易有道Confucius4-TTS 实现了以下突破：
第一，3秒实现极速声音克隆。用户仅需提供3秒音频素材，无需参考文本与前期训练，模型即可完成音色克隆。克隆音色与原声相似度超过85%，克隆任务准确度达97%。
第二，支持14种语言无缝切换，消除跨语种口音壁垒。输入中文音频，模型即可使用原声音色输出英语、法语等目标语言，且全程保持音色高度一致。
据了解，网易有道Confucius4-TTS不再沿用传统的声码器方案。简而言之，有别于传统TTS技术的“声音拼凑”，新模型实现了对声音的“深度理解”，它能精准捕捉原声的音色、情绪与语调，并将其完整映射至目标语言中。
目前，网易有道已将该模型全量开源。Confucius4-TTS采用Apache开源协议，面向全球开发者开放完整模型权重和配套工具链，商用没有限制。开发者可以下载54G完整资源包，本地离线部署运行。
在全球化竞争日益激烈的今天，网易有道Confucius4-TTS已经转化为能直接为产业降本增效的“生产力工具”。
在跨境内容赛道，短视频、短剧创作者只需录制一次原声，就能批量生成14国语言配音，一个人就能完成多语种海外内容制作。数字人行业可以统一虚拟主播的音色，不用为不同语种重新录制声线，大幅降低制作成本。智慧教育领域能生成地道的多语种发音素材，打造多语种AI外教。出海企业和文旅机构可快速完成多语种语音播报和品牌宣传片的本地化配音。
网易有道表示，希望通过全量开源Confucius4-TTS，降低语音克隆和情感合成的门槛，让每一个声音都能跨越语言的边界，让中国AI声音真正走向世界。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
