모델 개요
GLM-TTS는 텍스트를 음성으로 변환하는 산업용 음성 합성 시스템이다. 2025년 12월 10일 공식 발표와 함께 모델 가중치가 공개됐다. (zhipuai.cn)
주요 능력
- 짧은 참조 음성을 이용한 제로샷 음색 복제, 감정과 운율 표현, 스트리밍 추론을 지원한다. 공식 모델 카드는 음색 복제에 3~10초의 참조 음성을 제시한다. (huggingface.co)
- 텍스트를 음성 토큰으로 변환한 뒤 음향을 생성하는 2단계 구조를 사용하며, 다중 보상 강화학습으로 발음 정확도와 표현력을 개선한다. 음소와 텍스트를 결합한 발음 제어도 소개됐다. (zhipuai.cn)
- 공식 자료는 중국어와 영어 혼합 텍스트 최적화를 명시하고, 중국어 방언과 여러 감정 표현의 예시를 제공한다. (huggingface.co)
활용 및 제한
고객 서비스, 오디오북, 음성 안내, 교육 및 대화형 보조 도구에 활용할 수 있다. 공개 가중치는 MIT 라이선스로 표시되어 있으며, BigModel은 별도의 스트리밍 및 비스트리밍 API를 제공한다. (docs.bigmodel.cn)
한국어 합성 지원 여부와 품질은 확인하지 못했다. 발표에 소개된 음색 복제와 음소 제어가 모든 호스팅 API에서 동일하게 제공된다고 단정할 수 없다. 실제 발음과 음색 유사도는 입력과 사용 환경에 따라 검증해야 하며, 타인의 음성을 복제할 때는 적절한 동의를 받아야 한다. BigModel은 음색 복제를 별도의 GLM-TTS-Clone 서비스로 구분한다. (huggingface.co)
가격
- 중국 본토 BigModel API: GLM-TTS는 입력 텍스트 기준 CNY 2 / 10,000자. 출력 오디오에 대한 별도 요금은 공식 가격표에서 명시적으로 확인되지 않았다. 별도 서비스인 GLM-TTS-Clone은 CNY 6 / 회다. 조회일: 2026-11-17. 공식 중국 가격표 (docs.bigmodel.cn)
- 국제 Z.ai 공식 가격표도 조회했으나 GLM-TTS의 USD 요금은 확인하지 못했다. 조회일: 2026-11-17. 공식 국제 가격표 (docs.z.ai)