智谱 AI 正式发布工业级语音合成系统 GLM-TTS，并宣布在Hugging Face和ModelScope 上开放模型权重 。
作为智谱在语音领域的最新力作，GLM-TTS 基于在数据筛选、基础模型结构、精品音色监督微调（SFT）及强化学习（RL）等多方面的技术创新 。仅在 10w 小时数据上训练，便具备了“3秒”音色复刻和超强文本理解能力，在多个开源测试集上实现 SOTA 。
效果炸裂：情感SOTA与3秒克隆
全能情感复刻：模型能根据文本内容的情绪，自动匹配对应的语音情感 。在权威测试集（CV3-eval-emotion）中，GLM-TTS 在 Happy（开心）、Sad（悲伤）、Angry（愤怒）三类情感维度均取得“最佳表现” 。
碾压商用模型：数据显示，相比 Qwen3-TTS、豆包 TTS-2.0 等商用模型在负向情感（如悲伤、愤怒）上得分多为 0 的情况，GLM-TTS 的平均情感得分高达 0.51，展现了极强的拟人化能力 。
方言与极速克隆：支持四川话、东北话等方言克隆，且仅需3秒提示音频即可完成高保真音色复刻 。
评测数据显示，GLM-TTS在悲伤、愤怒等高难度负向情感上全面领先商用模型
硬核架构：RL强化学习+LoRA定制
GLM-TTS 是一套基于两阶段生成范式（Text-to-token & Token-to-wav）的高质量系统 。为了解决传统 TTS 的痛点，智谱此次带来了多项“黑科技”：
引入强化学习 (RL)：这是本次最大的技术亮点之一。GLM-TTS 创新引入 GRPO 算法框架，融合了 CER（字错误率）、相似度、情感及笑声（Laughter）的多维度奖励机制 。通过动态采样与梯度裁剪，显著提升了语音的拟人化程度，让 AI 学会了“呼吸”和“笑” 。
低成本 LoRA 定制：传统全参微调成本高昂，而 GLM-TTS 优化的 LoRA 范式仅需微调 15% 的参数，配合约 1 小时的单一说话人数据，即可达到与全参微调相当的效果 。
精准发音控制 (Phoneme-in)：针对“行（xíng/háng）”等多音字和生僻字难题，提出了“Hybrid Phoneme + Text”混合输入形式，实现了对发音的精准定向控制，完美适配教育评测等高精度场景 。
系统采用“Text-to-token + Token-to-wav”两阶段生成范式，配合自研2D-Vocos声码器，确保了高保真的语音合成效果
数据说话：开源模型中的新标杆
一切用数据说话。在各项权威评测中，GLM-TTS 均展现出了“霸榜”级的实力：
CER 击穿底线：在 seed-tts-eval 中文测试集中，GLM-TTS_RL 的字错误率（CER）低至 0.89% 。
超越开源 SOTA：这一成绩显著优于 CosyVoice2 (1.38%)、VoxCPM (0.93%)、IndexTTS2 (1.03%) 等主流开源模型，甚至逼近闭源模型的顶尖水平 。
音色高保真：在保证极低错误率的同时，音色相似度（Sim）提升至 76.4，实现了“发音精准+音色相似”的双重领先 。
GLM-TTS_RL以0.89%的极低字错误率（CER）超越CosyVoice2等主流模型，成功刷新开源 SOTA 记录
立即体验与下载
GLM-TTS 现已全面开放，开发者和企业用户可以通过以下方式即刻上手：
💻 在线体验：
Z.ai平台： audio.z.ai
智谱清言：APP 或网页版 (chatglm.cn)
👨💻 模型下载与开源：
GitHub:https://github.com/zai-org/GLM-TTS
Hugging Face:https://huggingface.co/zai-org/GLM-TTS
魔搭社区: https://modelscope.cn/models/ZhipuAI/GLM-TTS
☁️ API 调用： 企业用户可通过开放平台 BigModel 直接调用模型 API，支持从 Demo 试用到生产级大规模调用的多种配置
