ITCOW牛新网 12月11日消息，智谱公司今日发布并开源了工业级语音合成系统GLM-TTS。该模型突破性地实现仅需3秒语音样本即可高精度克隆说话人音色，目前已上线智谱开放平台、智谱清言及Z.ai等渠道，并在Hugging Face和ModelScope平台开放模型权重。
GLM-TTS采用两阶段生成架构，结合基于GRPO的强化学习方案，在10万小时训练数据量下实现突破。其预训练仅需单机4天即可达到开源SOTA水平，精品音色优化训练周期缩短至1天，大幅低于行业平均水平。测试数据显示，模型在字符错误率（CER）和情感表达维度均取得领先表现，其中CER指标降至0.89%，音色相似度达76.4%。
据ITCOW牛新网了解，该系统已实现多场景应用落地：在教育领域可精准处理多音字、生僻字及数学公式发音；在电子书场景支持多角色情绪化朗读；在智能客服领域生成专业自然的语音交互。通过Apache License协议，开发者可在GitHub、Hugging Face等平台获取完整开源资源，或通过API接口直接调用商用服务。
分析认为，GLM-TTS的开源将推动语音合成技术普惠化发展，其低样本要求和高效率特性尤其适合中小规模企业快速部署。随着多模态AI应用场景拓展，该技术有望在智能教育、内容创作等领域发挥重要作用。