只需3秒，复刻你的声音｜智谱开源GLM‑TTS

背景：智谱公司正式上线并开源了GLM‑TTS工业级语音合成系统，该系统旨在通过少量语音样本快速复刻说话人音色和习惯，提升语音合成的自然度和情感表达。研究目的：GLM‑TTS致力于从“会说话”进阶到“会表达”，通过两阶段生成架构和基于GRPO的强化学习方案，在降低训练成本的同时，在公开评测的字符错误率和情感表达上达到开源SOTA水平，并适用于教育、电子书、客服等多种生产场景。结论：GLM‑TTS在仅使用10万小时训练数据的情况下，实现了优异的发音准确度和音色还原度，其强化学习版本进一步降低了错误率并提升了情感表现，同时以开源形式提供模型权重和API，方便开发者集成和应用。