北京
分享至
来源：环球网
【环球网科技报道 记者 李文瑶】6月23日消息，近期，网易有道发布“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。
据网易有道介绍，Confucius4-TTS已全面支持中文、英语、西班牙语、法语、德语、韩语、泰语、越南语等14种语言。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，相似度超过85%，克隆任务准确度达97%。输入中文音频，模型可使用原声音色输出多语种语音，且全程保持音色高度一致。模型还能自动提取参考音频中的情感特征，实现语调、韵律与情绪的完整迁移。
在底层架构上，Confucius4-TTS引入了GPT式语义大模型作为主干，搭配可学习说话人编码器，并采用Flow Matching流匹配生成框架，不再沿用传统的声码器方案。
值得关注的是，网易有道已将模型全量开源，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，商用无限制。开发者可下载54GB完整资源包进行本地离线部署。
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.
