跳到正文

GLM-4-Voice

端到端的中英文实时语音对话模型

访问官网

GLM-4-Voice 是什么

GLM-4-Voice 被介绍为由清华大学团队开发的端到端语音模型,用于中英文实时语音对话。

你可以用它做什么

  • 把连续语音输入转化为离散 token
  • 把离散 token 合成为连续语音输出
  • 按指令改变情感、语调、语速与方言

上手流程

  • 用 git 克隆仓库到本地
  • 按 requirements.txt 安装 Python 依赖
  • 下载所需的语音模型和分词器

优点与缺点

✓ 我们认可的地方

  • 资料列出情感、语调与方言控制
  • 预训练使用了数百万小时音频

! 需要留意的地方

  • 运行从克隆仓库开始
  • 资料记录的启动包含模型服务脚本

常见问题

支持哪些语言?

资料列出中英文语音的直接理解与生成。

怎么启动?

克隆仓库、安装依赖、下载模型,再运行模型服务脚本。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法