Einordnung und Veröffentlichung
GLM-TTS ist ein industriell ausgerichtetes Text-to-Speech-System: Es erzeugt Sprache aus Text. Die offizielle Ankündigung erschien am 10. Dezember 2025. Modellgewichte und Inferenzressourcen wurden für die eigene Bereitstellung veröffentlicht. (zhipuai.cn)
Fähigkeiten und Anwendungen
- Zero-Shot-Stimmklonung anhand einer kurzen Sprachreferenz von etwa 3–10 Sekunden sowie Streaming-Inferenz. (github.com)
- Ausdruck von Emotionen und Prosodie; die Architektur kombiniert Text-zu-Sprach-Token-Generierung mit akustischer Synthese. Das Training nutzt unter anderem Reinforcement Learning mit mehreren Bewertungsfunktionen. (zhipuai.cn)
- Mögliche Anwendungen sind Kundenservice, Hörbücher, interaktive Assistenten, Bildung und die Vertonung von Dokumenten. (docs.bigmodel.cn)
Einschränkungen
Das offizielle Repository nennt hauptsächlich Chinesisch sowie chinesisch-englischen Mischtext; Unterstützung für Deutsch wird dort nicht ausgewiesen. Qualität und Ähnlichkeit einer geklonten Stimme sind nicht garantiert. Das Repository führt RL-optimierte Gewichte und ein 2D-Vocos-Update als angekündigt; die Verfügbarkeit einzelner Komponenten sollte vor der Bereitstellung geprüft werden. Für das Klonen fremder Stimmen sollte eine entsprechende Einwilligung vorliegen. (github.com)
Preise
BigModel, chinesische Plattform: GLM-TTS-Sprachgenerierung kostet 2 CNY pro 10.000 Zeichen. Die offizielle Tabelle nennt einen Zeichenpreis für die Sprachgenerierung, aber keinen separaten Ausgabe-Audiopreis. Für die gesondert aufgeführte Stimmklonung GLM-TTS-Clone werden 6 CNY pro Vorgang genannt. Stand der Abfrage: 17. November 2026. (docs.bigmodel.cn)
Die ebenfalls geprüfte internationale Preisliste von Z.ai führt GLM-TTS nicht auf; daraus lässt sich kein internationaler Tarif für dieses Modell verifizieren. (docs.z.ai)