有道子曰 4 开源模型与零样本高保真语音克隆

网易有道这不声不响就把子曰4给开源了,27B的参数量,数理能力直接冲到SOTA。

不过说实话,我最在意的倒不是这个——而是它的语音克隆能力。

声音克隆这事儿其实早就不新鲜了,ElevenLabs老早就能做。但有个老毛病一直没人真正解决:跨语种的时候会自带口音。你拿中文声音去讲日语,听着就是个外国人在那儿硬凹,真是尬到脚趾抠地。

子曰4这次就是奔着这个痛点来的——你的声音讲日语,听着就像地道的日本人在说话。3秒就能克隆,覆盖14种语言,做口播配音数字人,省钱又好用。

更关键的是,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,还能本地跑。连有道那个龙虾智能体也一并开源了。

第一,不妨亲自去试试这个语音克隆:传一段你自己的声音,让它说外语,亲耳听听到底带不带口音。在线试玩(原临时 Gradio 演示站已下线,可通过下方开源仓库本地部署体验)。

第二,觉得这波开源确实够意思,就去给它点个star支持一下。多模态模型:

http://huggingface.co/netease-youdao/Confucius4

语音模型:

http://github.com/netease-youdao/Confucius4-TTS

#网易有道#子曰4#语音克隆#开源#多模态#TTS#大模型#AI

关联工程母题系统与实测说明:

本篇「有道子曰 4 开源模型与零样本高保真语音克隆」由 整理收录于 qilaidav 工程知识库,围绕 电报运营与高度拟人中枢 的生产环境架构设计、链路排障与确定性验证展开沉淀。完整系统模块、部署边界与技术规格请查阅方案主页:→ 查看 电报运营与高度拟人中枢 详情(架构诊断与定制交流:Telegram @BD8888 · hello@qilaidav.com · GitHub @qilaidev)。

免责声明与评测方法:本文所涉开源工具、模型基准与工程配置均基于实测环境与公开技术资料整理,仅供系统架构研发参考,不构成任何商业背书或投资建议。

— qilai · 摘自 Telegram 频道 @AIKB8