模型定位
GLM-TTS 是面向實際應用的文字轉語音系統:輸入文字,輸出語音。智譜已公開模型權重,亦提供 BigModel API。(zhipuai.cn)
能力與用途
- 可依文字內容表達情緒與語調;官方展示了不同情緒及中文口音的合成效果,並稱可使用約 3 秒參考音訊複製音色。(zhipuai.cn)
- 開源實作支援零樣本語音複製、中英文混合文字處理,以及透過混合音素與文字輸入控制特定字詞發音;API 文件提供串流呼叫範例。(github.com)
- 採用兩階段架構:先由文字產生語音 token,再經聲學模型與聲碼器產生音訊;訓練使用多獎勵強化學習改善表現力。(zhipuai.cn)
- 適用於智慧客服、有聲閱讀、互動助手、教學及文件播報等。(docs.bigmodel.cn)
限制
- 音色複製效果受參考音訊及使用場景影響,實際使用應先取得聲音持有者的授權。
- 開源實作的功能不應直接視為所有 API 方案均提供;具體支援範圍、輸入長度及使用限制,應以所用平台文件與帳戶條件為準。
- 發音與情感表現並非保證無誤,重要內容宜人工核聽。官方評測結果屬特定測試條件下的結果。(github.com)
價格
中國大陸 BigModel 按量 API:GLM-TTS 語音生成為 CNY 2 元/萬字元,以文字字元計價;官方表格未另列輸出音訊單價,不能據此認定輸出免費。另列的 GLM-TTS-Clone 音色複製服務為 CNY 6 元/次,屬不同服務項目。是否適用批次或其他優惠須依平台規定確認。查詢日期:2026-11-17。(docs.bigmodel.cn)
已查閱國際站官方定價頁,未在該頁核實 GLM-TTS 的美元報價。(docs.z.ai)
發布日期與官方來源
- 發布日期:2025-12-10,以官方公告頁所載日期為準。(zhipuai.cn)
- 官方發布公告
- BigModel 模型文件
- 開源專案
- 中國大陸官方 API 定價
- 國際站官方定價