← Tous les modèles

GLM-TTS

Publication Éditeur Zhipu AI

Présentation

GLM-TTS est un système de synthèse vocale à partir de texte, conçu pour des usages de production. Zhipu AI l’a annoncé le 10 décembre 2025 et a indiqué rendre ses poids disponibles. Le dépôt officiel date la mise en open source du projet, avec scripts d’inférence et poids, du 11 décembre 2025. (zhipuai.cn)

Capacités et usages

  • Clonage vocal sans exemple d’entraînement spécifique : la carte officielle décrit l’utilisation d’un extrait de référence de 3 à 10 secondes.
  • Expression émotionnelle et contrôle de la prononciation, notamment par une entrée combinant phonèmes et texte ; inférence en streaming pour les applications interactives.
  • Architecture en deux étapes : génération autorégressive de jetons vocaux, puis synthèse acoustique par flow matching et vocodeur. Le système peut servir à la narration, aux interfaces vocales et à la création de voix personnalisées. (huggingface.co)

Limites

La carte du modèle indique une optimisation pour le chinois, l’anglais et leur mélange ; elle ne confirme pas la prise en charge du français pour la synthèse. Les performances et fonctionnalités peuvent varier selon les poids, le déploiement et le service utilisé. Le clonage d’une voix doit être réalisé avec l’autorisation appropriée. (huggingface.co)

Tarification officielle

Sur la plateforme chinoise BigModel, la synthèse GLM-TTS est facturée 2 CNY par 10 000 caractères de texte en entrée. La page ne précise pas de tarif distinct pour l’audio en sortie. Elle répertorie séparément GLM-TTS-Clone, pour le clonage de voix, à 6 CNY par opération ; il ne s’agit pas du tarif de synthèse ordinaire. Source : tarification API BigModel, consultée le 17 novembre 2026. (docs.bigmodel.cn)

La tarification internationale Z.ai, consultée le 17 novembre 2026, ne répertorie pas de prix GLM-TTS en USD vérifiable. (docs.z.ai)

Sources officielles