網易有道推出業內首個14語種無口音免文本語音克隆模型

　　新浪科技訊 6月23日下午消息，近日，網易有道發佈「子曰4.0」TTS語音合成引擎Confucius4-TTS，是業內首個支持14種語言跨語種無口音、且無需參考文本即可完成語音克隆的開源模型。該模型在跨語種語音克隆、免參考文本建模、情感韻律遷移和本地化部署等關鍵維度上達到國際最前沿水平，現已面向全球用户全量開源。

　　目前，網易有道Confucius4-TTS已全面支持中文、英語、西班牙語等14種語言的自然流利表達。

　　同時，網易有道Confucius4-TTS實現了全面突破：第一，用户僅需提供3秒音頻素材，模型即可完成音色克隆。克隆音色與原聲相似度超過85%，克隆任務準確度高達97%。第二，支持14種語言無縫切換，消除跨語種口音壁壘。第三，實現情感韻律的無損跨語種遷移，Confucius4-TTS能自動提取、解析參考音頻中的情感特徵。

　　據悉，Confucius4-TTS引入了GPT式語義大模型作為主干，搭配基於SSL預訓練特徵和ECAPA-TDNN的可學習説話人編碼器，並採用Flow Matching流匹配生成框架。目前，網易有道已將該模型全量開源。Confucius4-TTS採用Apache開源協議，面向全球開發者開放完整模型權重和配套工具鏈，商用沒有限制。開發者可以下載54G完整資源包，本地離線部署運行。

責任編輯：宋雅芳