什么值得买App下载 App ›
连续签到专享现金活动

有道开源“子曰4”:27B多模态模型+3秒情感克隆TTS,免费商用!

01子曰4全量开源,多模态与TTS双引擎落地
2026年5月22日,网易有道正式宣布将“子曰”大模型4.0版本的核心组件——27B参数规模的多模态模型与语音合成(TTS)引擎——面向全球开发者全量开源,允许免费下载、本地部署及商业用途。此次开源涵盖完整的模型权重与推理代码,而非仅提供API接口,标志着有道首次将其在教育场景中验证的数理推理与跨语种语音合成能力开放给社区。多模态模型专注于处理带图表的数学、物理题等高难度视觉数理任务,在同规模模型中达到行业顶尖水平(SOTA),中文纯文本数理难题准确率达81.4%。TTS引擎则支持14种语言的零样本情感克隆,上传任意音频后3秒内即可生成保留原音色与情绪的跨语种语音,且无口音泄露问题。123
02多模态与TTS双引擎升级
“子曰4”多模态模型基于Qwen3.5-27B架构构建,通过监督微调(SFT)与强化学习(RL)结合的训练范式,专项优化中文教育场景下的图文联合推理能力。在Math-Hard-500测试集上,其准确率从基线模型的0.582提升至0.814,验证了纯文本数理能力的显著增强。同时,模型采用图像增益筛选机制剔除低价值视觉冗余,确保训练数据的高性价比。TTS引擎则采用“语音编码器+LLM”架构,支持中文、英语、日语、韩语等14种语言的音色与情感迁移。用户仅需提供任意长度的原始音频,系统即可在3秒内完成克隆,任务准确度超97%,音色相似度达85%以上,且在跨语种合成中保持母语级自然度,适用于新闻播报、客服对话、企业宣传等多种语境。456
03推理成本降低的具体幅度
维度子曰4前代或同类模型
思维链输出长度压缩率43.2%未优化模型无压缩
Token消耗显著减少依赖完整推理链
翻译推理速度提升80%旧版翻译模型基准
中文数理准确率81.4%Qwen3.5-27B为58.2%
“子曰4”通过“重写思维链SFT + 长度感知RL”双阶段优化,将推理过程中冗余步骤剔除,使思维链输出长度压缩43.2%,直接减少Token生成数量与计算耗时。这一改进对实际业务场景意义重大:在同等硬件条件下,单次推理的显存占用与延迟同步下降,企业可降低单位请求的云服务成本。翻译模型同步升级,采用“多专家OPD”算法架构,配合上亿级清洗语料与专八认证人工评估,不仅解决机翻常见的语种混出和脱靶问题,还将整体推理速度提升80%。该加速机制专为高频、高并发产业应用设计,已在文本、图片及文档翻译场景中验证其稳定性。789
04对开发者的实际影响
此次开源采用Apache 2.0协议,允许自由修改、分发及商用,且模型环境要求与Qwen3.5完全一致,开发者可直接使用Transformers或vLLM框架加载,无需额外适配。对于中小企业而言,这意味着可本地部署高性能多模态推理与TTS服务,避免持续支付云API费用。尤其在教育、客服、内容生成等领域,企业能快速集成视觉解题、跨语种语音播报等功能。此外,“子曰4”与有道开源的LobsterAI工具链兼容,后者提供量化、剪枝、动态批处理等推理优化能力,进一步降低端侧部署门槛。开发者可关注Hugging Face上的Confucius4仓库及GitHub上的TTS项目,测试具体场景下的效果与资源消耗。101112

评论

评论区空态插画

当前文章无评论,是时候发表评论了