← 全部模型

GLM-TTS

发布时间 发布主体 Zhipu AI

模型定位

GLM-TTS 是面向工业应用的文本转语音(TTS)合成系统。它采用两阶段架构:先由语言模型将文本转换为语音 token,再通过 Flow Matching 和声码器生成音频。官方公告称其训练使用了约 10 万小时数据。(zhipuai.cn)

能力与用途

  • 支持流式语音生成、情感和韵律表达;主要支持中文,也支持中英混合文本。
  • 支持零样本音色克隆,官方项目文档称可使用 3–10 秒提示音频;无需针对特定说话人微调。
  • 支持混合音素与文本输入,可针对多音字或生僻字干预发音。
  • 可用于交互式语音应用、有声读物及教育评测等场景。(github.com)

限制与使用条件

  • 官方项目说明以中文为主要支持语言,并未据此保证其他语言的完整支持或同等效果。
  • 开源仓库的更新计划将强化学习优化后的模型权重列为待发布,因此不应假定当前公开权重与公告展示的所有效果完全相同。
  • 使用音色克隆时应取得声音权利人的授权;仓库中的示例提示音频标注为仅限科研使用。
  • 仓库列有 Apache-2.0 许可证;模型权重、示例音频及所用平台服务还应分别核对适用条款。(github.com)

价格

截至 2026-11-17,智谱国内 BigModel 官方定价页列出:

  • GLM-TTS 语音生成:人民币 CNY 2 元/万字符,按文本字符计价;该页面未列出单独的输出音频价格。
  • GLM-TTS-Clone 音色克隆:人民币 CNY 6 元/次,这是页面单列的克隆服务价格,不应视为语音生成字符价格。

实际费用和服务可用性以平台当时的价格及账单为准。国内官方定价(查询日期:2026-11-17)。(docs.bigmodel.cn)

同日查询的 Z.ai 国际站官方定价页未列出 GLM-TTS 价格;未据此推算国际站价格或确认其 API 可用性。(docs.z.ai)

发布与官方来源