股票配资平台大全智谱上线并开源文本转语音模型GLM-TTS

　　炒股就看金麒麟分析师研报，权威，专业，及时股票配资平台大全，全面，助您挖掘潜力主题机会！

（来源：IT之家）

IT之家 12 月 11 日消息，今日智谱正式发布工业级语音合成系统 GLM-TTS，并在 Hugging Face 和 ModelScope 上开放模型权重。GLM-TTS 目前已开源，并上线智谱开放平台（bigmodel）、智谱清言、Z.ai。

IT之家附官方对 GLM-TTS 的介绍如下：只需 3 秒语音样本，GLM‑TTS 即可学习说话人的音色和说话习惯。在通用朗读、情感配音、教育评测、电子书、有声客服等场景中，实现自然流畅、贴近真人的语音。我们希望，AI 不只是「会说话」，而是能在合适的场景下，说出既像真人、又符合情绪的声音。为实现这一能力，GLM‑TTS 在架构上采用两阶段生成，并在训练中引入基于 GRPO 的强化学习方案，在公开评测的「字错误率」和「情感表达」上取得开源 SOTA 表现。值得一提的是，GLM-TTS 仅使用 10w 小时训练数据，远低于行业主流商用模型。同时，GLM-TTS 也兼顾了训练成本和效果，预训练仅需要单机 4 天即可得到开源 SOTA“发音准确度”与超高“音色还原度”，精品音色 LORA 和强化学习也仅需要单机 1 天即可完成训练，远低于行业平均水平。另外，GLM‑TTS 还以更低的价格获得了行业领先的 MOS 分数（平均主观意见分）。典型场景：从 Demo 走向生产GLM‑TTS 的目标，不是做出一个个「好听的 Demo」，而是长期支撑行业级语音生产。目前，我们重点验证了以下场景：在教育场景中，适配多学科场景下的多音字和生僻字、生僻符号，讲解语气自然、有耐心；在电子书与有声内容中，不同角色可呈现不同情绪风格；在客服场景中，语气克制专业，避免夸张表演感。1、教育场景在教育与考试评测场景中，GLM‑TTS 适配多音字和生僻字、公式符号，为教材和题库批量生成标准发音示范音频，并在口语评测、听力训练等任务中保持大规模合成的一致性和准确度。例如：高中数学教材示范，适配课堂教学示范场景：计算 157! / 83! + √924 - 58³。生僻古诗词、多音词：君不见自从禹鼎沉泗水（sì shuǐ），魑魅魍魉（chī mèi wǎng liǎng）盈九州。城阙（què）辅三秦，风烟望五津，同是宦（huàn）游人。只恐双溪舴艋（zé měng）舟，载不动许多愁。2、电子书场景在电子书与有声内容场景中，GLM‑TTS 既可以用单一音色完成整本书的朗读，也可以为不同角色配置专属音色，适配长篇小说、纪实、社科等不同文体的节奏与情绪，并以较低推理成本支撑大体量内容库的自动化生产。例如：<开心情绪文本> 今天在路上看到了一只小狗，和主人玩的特别开心，他摇尾巴的样子让人看了心都融化啦！< 悲伤情绪文本 > 我真的不懂，为什么一切变得这么复杂，为什么我们无法回到从前？< 愤怒情绪文本 > 你怎么就那么不会说人话呢？

3、智能客服

在智能客服与语音助手场景中，GLM‑TTS 能为机器人客服打造温和但克制的声音形象，降低机械感，在通话脚本中自然插入变量信息而不打乱整体韵律，并与上游 NLU / NLG 模块协同，支持从理解到回应的端到端语音交互。例如：

强化学习：让「会说话」更像「会表达」

要让语音从「可用」走向「好用」，强化学习（RL）是关键一环。

然而，在 TTS 领域，奖励设计难、训练不稳定等问题长期存在，业界多停留在 SFT 阶段。GLM‑TTS 基于 GRPO 框架，引入多维度奖励和稳定训练机制，在可控前提下提升模型的表达力和鲁棒性。