快科技6月23日消息，据媒体报道，网易有道近日正式推出“子曰4.0”TTS语音合成引擎Confucius4-TTS。该引擎是业界首个支持14种语言跨语种无口音表达，且无需参考文本即可完成语音克隆的开源项目。
Confucius4-TTS在跨语种语音克隆、免参考文本建模、情感韵律迁移以及本地化部署等关键能力上均达到国际前沿水平，为多语种内容生产、数字人配音、跨语言教学、短剧出海及全球传播提供了低门槛、国产化的技术底座。
目前，该引擎已全面覆盖中文、英语、西班牙语、法语、德语、韩语、泰语、越南语等14种语言，能够实现自然流畅的语音表达。
用户仅需提供3秒的音频素材，无需任何参考文本或预先训练，引擎即可完成音色克隆，克隆相似度超过85%，任务准确度达到97%。
当输入中文音频后，引擎能够以原说话人的音色输出多语种语音，并在整个合成过程中保持音色高度一致。同时，它还可以自动提取参考音频中的情感特征，实现语调、韵律与情绪的完整传递。
在底层架构上，Confucius4-TTS引入大规模语义理解模型作为主干网络，配合可学习的说话人编码器，并采用流匹配生成框架，彻底摒弃了传统声码器方案，使生成质量与可控性得到显著增强。
值得关注的是，网易有道已将Confucius4-TTS进行全量开源，遵循Apache开源协议，面向全球开发者开放完整的模型权重及配套工具链，且允许商用。开发者可下载54GB的完整资源包，实现本地离线部署，充分满足数据安全与个性化定制需求。
GitHub开源地址：https://github.com/netease-youdao/Confucius4-TTS