NetEase Youdaoは、音声合成エンジンであるConfucius4-TTSをオープンソース化した。

NetEase Youdaoは、オープンソースの音声合成モデル「Confucius4-TTS」をリリースしました。このモデルは、3秒ゼロサンプル音声クローン、14言語にわたるアクセントフリー合成、感情と韻律の転送という3つの大きなブレークスルーを実現しています。モデルの基盤となるアーキテクチャは、音声エンコーダー＋大規模言語モデル＋ストリームマッチング生成のエンドツーエンド構造を採用しており、54GBもの重みデータによってローカルオフライン展開をサポートしています。