# Confucius4-TTS 是一款基于大型语言模型 (LLM) 的高级文本转语音 (TTS) 系统，专为多语言和跨语言语音合成而设计。 以前做跨语言口播...
Canonical: https://social-archive.org/yena/sqrpP6E48I
Original URL: https://x.com/XAMTO_AI/status/2072220912779153571
Author: Amto
Platform: x
## Content
Confucius4-TTS 是一款基于大型语言模型 (LLM) 的高级文本转语音 (TTS) 系统，专为多语言和跨语言语音合成而设计。 以前做跨语言口播，最头疼的就是翻译后声音变味——音色丢了、语气没了、情绪也跑了，听着像另一个人在念稿，完全没有灵魂。 而 Confucius4-TTS 最打动人的地方是：翻译和声音迁移几乎同步完成。只要给一段参考音频，它就能把原声的音色、语气和情绪自然带到另一种语言里。听起来不再是冰冷的机器配音，而是原角色换了一种语言在自然说话，那种熟悉的感觉和情感起伏都保留得非常好。 几个硬核能力： 14种语言自由切换，几乎听不出口音：支持中、英、日、韩、德、法、西等14种语言，输入中文音频，就能用同一个音色流利地说出其他语言，发音地道自然。 音色、语气、情绪同步迁移：不仅能克隆声音，还能自动提取参考音频里的情感特征——你生气地说一句话，合成出来的外语也是生气的语气，语调、韵律完整迁移。 真正零样本克隆，3秒即可：只需一段3秒的参考音频，无需参考文本，也无需任何训练，就能完成音色复刻，相似度超过85%。 完全开源，本地可部署：采用Apache协议，开放完整模型权重（54GB资源包），可本地离线运行，商用无限制，数据和隐私都掌握在自己手里。 对内容创作者来说，这一波真的很实用：视频出海、本地化配音、二创、多语言播客、短视频等场景里最痛苦的配音环节，门槛一下子降低了很多。 🔗 GitHub：https://github.com/netease-youdao/Confucius4-TTS