Confucius4-TTS：多语言零样本语音合成引擎
基于语音编码器与大语言模型架构的多语言 TTS 系统，支持 14 种语言的零样本声音克隆与跨语言声音迁移。
Confucius4-TTS 采用语音编码器加大语言模型架构，支持中、英、日、韩、德、法、西等 14 种语言的零样本语音合成，无需参考文本即可克隆音色，并可在语言切换时保持同一说话人身份与情感。推理分 Text2Semantic 自回归阶段与 Semantic2Acoustic 流匹配阶段，可用 HuggingFace Transformers 或 vLLM 0.16.0（V1 引擎）加速后者，README 提示 vLLM 对 GPU 架构有要求且建议单独建环境。仓库提供 example.py、Gradio 网页演示和 FastAPI 服务（含流式与非流式接口），并附带 T2S 与 S2A 的微调训练流程，训练数据为指定五列格式的 TSV 文件。