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