网易有道开源 Confucius4-TTS，3 秒音频就能做语音克隆

苏苏Sue · 2026-06-23T15:57:35.011Z

网易有道今天发文，推出了“子曰 4.0”TTS 语音合成引擎 Confucius4-TTS。官方介绍里提到，这个模型支持 14 种语言的跨语种语音合成，并且可以做到无明显口音迁移。比较特别的是，它做语音克隆时不需要参考文本，只要 3 秒左右的音频就能克隆音色。技术能力上，Confucius4-TTS 主打零样本语音克隆。情感表达这块也和传统 TTS 不太一样，不是靠文本标签去控制情绪，而是支持用音频 Prompt 做情感克隆和迁移。如果实际效果接近官方描述，那对多语言配音、内容本地化、虚拟角色语音这类场景会挺直接。

发现产品榜单精选讨论