CT

Confucius4-TTS 知识库

Bundle OKF 0.2 · 13 conceitos · awesome-flexloop/awesome-okf

Open site Project Open in the app JSON README (API)

# Confucius4-TTS 知识库

本知识包是网易有道开源的零样本（zero-shot）高保真语音合成系统 [Confucius4-TTS](https://github.com/netease-youdao/Confucius4-TTS)（Apache-2.0 许可证）的系统化中文源码教程，基于 `vendor/netease-youdao/Confucius4-TTS/` 目录的信源基线 commit `4fb32c481302d8858c3aec6a1c2a8b4cea8894c0` 深度阅读生成。系统采用 LLM 自回归预测离散语义 token（T2S 段，vocab 8194）+ flow matching 一次性扩散生成 80 维 mel（S2A 段，ConditionalCFM + 13 层 DiT 估计器）+ BigVGAN 声码器还原波形的级联架构，支持 14 种语言的音色克隆朗读。所有内容均溯源至信源仓库 Python 源码与 YAML 配置，遵循 OKF v0.2 规范，经 R→I→E→V→C 五阶段链路生成。

> **命名注意**：Python 包目录实际拼写为 `confuciustts`（三个 t），setup.py 的 name 为 `"confuciustts"`、version 为 `"0.1.0"`，部分文档写作 `confuciusts`，一律以磁盘源码为准。

## 概念篇（concepts/）

* [仓库全景与推理链路总览](concepts/00-overview.md) — 14 语言支持、安装依赖约束、三段级联推理链路（T2S → S2A → BigVGAN）、`ConfuciusTTS.generate` 参数四组全貌与四条使用路径。
* [条件化机制：prompt 掩码、说话人与风格嵌入](concepts/01-conditioning.md) — S2A 训练期 prompt 0–30% 随机掩码、prompt_cond 可学习参数、Qwen3-TTS 说话人编码器与 CAMPPlus 风格编码器、训练-推理 CFG 不对称。
* [长度调节与时长启发式](concepts/02-length-regulation.md) — `int(T*1.72)` 目标帧数启发式、InterpolateReg

README

More

• More okf bundles on Code versions (Git)
• All from awesome-flexloop
• A–Z index