bandao.com-网易有道首发14语种零口音语音克隆模型，无需参考文本即可复刻任意音色

当前，人工智能作为培育新质出产力的焦点引擎，已经上升为国度战略层面。国务院《关在深切实行“人工智能+”步履的定见》明确提出，要加速AI焦点技能自立立异、降低财产落地门坎、构建开放同享的国产AI生态，鞭策人工智能与千行百业深度交融。

于这一战略配景下，网易有道正式推出“子曰4.0”年夜模子系统TTS语音合成引擎——Confucius4-TTS，并已经面向全世界用户开放。近日，该引擎依附全世界首个不依靠参考文本便可实现14语种无口音跨语种语音克隆的创始性冲破激发行业高度存眷，为数字人、跨境流传、智能教诲等财产提供国产化、低成本语音克隆功效。

重磅开源发布，完备模子权重当地可部署

Confucius4-TTS采用1.3B参数高机能语音模子，开放行业领先的零样本语音克隆、跨语种无痕音色迁徙、感情复刻能力，采用宽松友爱的Apache开源和谈，面向全世界创作者、开发者开放完备模子权重与配套东西链。开发者可完备下载54G资源包，当地离线部署运行，配套开源龙虾智能体东西链，商用无穷制。

图 1 TTS模子开源地址：https://github.com/netease-youdao/Confucius4-TTS

三年夜技能冲破，从头界说开源TTS天花板

冲破一：3秒极速克隆，零样本便可复刻原声

Confucius4-TTS实现了真实的零样本语音克隆能力。用户仅需3秒便可完成音频克隆，克隆音色与原声相似度跨越85%，克隆使命正确度高达97%。相较在初代EmotiVoice仅撑持练习集内音色的局限，Confucius4-TTS实现了“无白话零样本复刻”的超过式进级。

冲破二：14种语言跨语种互通，完全离别“中式口音”

Confucius4-TTS周全撑持中、英、日、韩、德、法、西、印尼、意、泰、葡、俄、马来、越南语等14种语言的天然流畅表达。其最年夜亮点于在解决了语音合成范畴持久存于的跨语种口音痛点——用户上传中文音频，AI便可用该音色流畅说出日语、英语等外语，发音隧道天然。技能博主@XAMTO_AI评价：“你拿中文声音去讲日语，听着就像隧道的日本人于措辞，完全离别了‘外国人于那儿硬凹’的难堪。”

冲破三：音频Prompt感情克隆，语调韵律精准迁徙

区分在初代EmotiVoice仅撑持“happy/sad/angry”等离散文本标签的粗放式感情节制，Confucius4-TTS立异性地撑持音频Prompt感情克隆迁徙。体系可主动提取参考音频中的感情标签，精准复刻其语调、韵律，撑持跨语种无损迁徙——“只要气愤地说一句话，合成出来的外语也是气愤的语气。”

全栈技能架构进级，从“传统声码器”到“年夜模子驱动”

Confucius4-TTS于底层架构上实现了周全改造。相较在初代EmotiVoice采用传统HiFi-GAN声码器及Speaker ID查表的方案，Confucius4-TTS引入了GPT式语义年夜模子作为骨干，搭配基在SSL预练习特性及ECAPA-TDNN的可进修措辞人编码器，并采用Flow Matching流匹配天生框架实现高保真、高天然度的语音合成。

语音克隆方面，EmotiVoice不撑持克隆功效，而Confucius4-TTS不仅只需3秒音频便可完成克隆，并且无需参考文本。

社区回声强烈热闹，开发者实考试证

自开源以来，Confucius4-TTS迅速得到开发者社区的踊跃反馈。技能博主@dsd2077于实测利用日语人声的参考音频天生中文语音，暗示虽没法 100% 复刻细微音色，但总体听感天然流利，无生硬外语口音。

另外一位技能博主@XAMTO_AI评价道：“这回是真开源——人家给的是真权重而不是只给API，整整54个G直接让你下，还有能当地跑。做口播配音数字人，省钱又好用。”

图2 技能博主@dsd2077实测反馈

图3 技能博主@XAMTO_AI实测反馈

图4 AI博主刘聪NLP测评

Confucius4-TTS的低门坎语音克隆及感情合成能力，可广泛运用在多语种内容创作、数字人配音、跨语言讲授以和当地化运营等多种场景。

网易有道暗示，但愿经由过程全量开源Confucius4-TTS，降低语音克隆及感情合成的门坎，期待社区摸索出更多有趣、有效的新弄法。（雷峰网雷峰网雷峰网(公家号：雷峰网)）