GLM-TTS

概览

GLM-TTS 语音合成模型以新一代智谱语音大模型为核心，突破传统语音合成框架，通过上下文智能预判文本情绪与语调，显著提升语音自然度与表现力，让合成语音具备真实情感与生命力。GLM‑TTS 在架构上采用两阶段生成，并在训练中引入基于 GRPO 的强化学习方案，在公开评测的「字错误率」和「情感表达」上取得开源 SOTA 表现。

输入模态

文本

输出模态

音频

模型价格详情请前往价格界面!

推荐场景

智能客服

全链路柔性服务，降低用户抵触感。依托超拟人语音的情感适配与自然对话能力，覆盖客服全场景。

有声阅读

沉浸式 “解放双眼”，适配多元需求。突破传统 “听书” 局限，以超拟人语音的 “角色化演绎 + 情感随内容动态调整” 能力，打造个性化阅读体验。

智能交互助手

通过超拟人语音的真实情感衔接与场景化语调调整，让智能硬件摆脱 “工具属性”。

教育领域

场景化教学，提升学习沉浸感。

职场办公

高效信息传递，解放双手。会议纪要转语音、邮件 / 文档播报、智能待办提醒。

文旅领域

沉浸式体验，替代 “传统导游”，如景区智能导览、酒店智能服务、文旅内容科普。

使用资源

体验中心：快速测试模型在业务场景上的效果
接口文档：API 调用方式

详细介绍

GLM-TTS 结合了 text2token 大语言模型和 token2wav 扩散模型，突破传统语音合成框架。相比传统技术，GLM-TTS 在口语自然度、拟人化还原、语句衔接和韵律节奏上全面升级，尤其在情感表达上精准呈现，为客户打造生动、富感染力的听觉体验，实现从“清晰传递”到“情感共鸣”的跨越。

1. 超拟人语音合成，情感表达增强

   依托新一代语音大模型，根据上下文智能预测文本的情感、语调等信息，提升合成语音的自然度和表现力。

2. 支持非流式、流式接口

   非流式适合完整文本一次性合成，流式支持在文本生成过程中实时输出语音，实现低延迟的交互式体验。

3. 快速响应

   流式接口返回响应结果，首帧响应速度可达400ms以内。

4. 动态调参数

   支持随心调节语速、音量等参数，满足复杂场景要求。

可选音色

角色	音色示例
彤彤（默认）
小陈
锤锤
jam
kazi
douji
luodo

应用示例

单音色超拟人TTS

文本	音频
我叫小智呀～ 是不是刚才有点小委屈呀？跟我说说嘛，我听着呢～
哎呀，可别这么说自己呀！你是不是最近遇到啥事儿了，感觉没做好才这么想的？其实啊，谁还没个手忙脚乱、犯迷糊的时候呢。
初中时看天空的感觉真的很不一样哎！那时候好像总觉得天空特别大，云朵会变成各种形状，傍晚的晚霞能看半天，连星星都比现在亮。

超情感表达TTS

文本	音频
开心：拆开快递看到那只限量款玩偶时，我笑得差点蹦起来，实在太开心啦！
悲伤：我精心养了三年的花突然枯萎，我忍不住哭了起来，实在太难过了。
担心：天气预报说有暴雨，还没回家的孩子不知道有没有带伞，好担心啊。
疲惫：哎，盯着电脑屏幕改了五版方案，我现在连抬手揉眼睛的力气都快没了。

调用示例

cURL

基础调用

curl -X POST "https://open.bigmodel.cn/api/paas/v4/audio/speech" \
    -H "Authorization: Bearer API Key" \
    -H "Content-Type: application/json" \
    -d '{
          "model": "glm-tts",
          "input": "你好呀,欢迎来到智谱开放平台",
          "voice": "female",
          "speed": 1.0,
          "volume": 1.0,
          "response_format": "wav"
    }' \
--output speech.wav

流式调用及响应示例

curl -X POST "https://open.bigmodel.cn/api/paas/v4/audio/speech" \
    -H "Authorization: Bearer API Key" \
    -H "Content-Type: application/json" \
    -d '{
          "model": "glm-tts",
          "input": "你好呀,欢迎来到智谱开放平台",
          "voice": "female",
          "response_format": "pcm",
          "encode_format": "base64",
          "stream": true,
          "speed": 1.0,
          "volume": 1.0
    }' \

data: {"id":"202507151937066dbff80cdc994b58","created":1752579443,"model":"glm-tts","choices":[{"index":0,"delta":{"role":"assistant","return_sample_rate": 24000,"content":"AgAAAAEAAAAAAAEAAAABAAEAAQABAAEAAQABAAEAAQABAAEAAgABAAEAAQABAAEAAQABAAEAAQABAAAAAQABAAEAAQAAAAAAAAD////////+//7//v/+//7//v/+//7//v/+//3//v/+//7//v////7/AAABAAEAAAAAAAQAAAAAAAAAAAAAAAQABAAEAAQAAAAEA///////////+//7//v/+//////8AAP//AAAAAAAQFjQVUBfEEVAS4AwkDfgI3ArIBEwGvAFgAKQAMAM7/mv97/1j/Q/8p/+7+sv5s/i/+Dv7L/Xz9Rv0e/Qn9Df0g/UX90d/I3+sv+u/jX/fwEXAlb9Bvs="}}]}
data: {"id":"202507151937066dbff80cdc994b58","created":1752579443,"model":"glm-tts","choices":[{"index":1,"delta":{"role":"assistant","return_sample_rate": 24000,"content":"AgAAAAEAAAAAAAEAAAABAAEAAQABAAEAAQABAAEAAQABAAEAAgABAAEAAQABAAEAAQABAAEAAQABAAAAAQABAAEAAQAAAAAAAAD////////+//7//v/+//7//v/+//7//v/+//3//v/+//7//v////7/AAABAAEAAgACAAMABAAEAAQABAAEAAQAAwADAAIAAQABAAAA//8AAP7////9//7//f/9//3//f/+//7//////wAAAQACAAEAAgACAAEAAAAAAP///v/+//3//f/8//7//f/9//7//f/+//7//v/8//7//f/+/wEAAQACAAMABAAFAAQABQAFAAQABAABAAEAAQD//////////wAAAQAAAAIAAwACAAIAAgABAAAA//8AAP7//f/+//3//P/9//3//v////7//v///////v/9//3//v/b9Bvs="}}]}
data: {"choices":[{"finish_reason":"stop","index":2}],"created":1752579445091,"id":"202507151937066dbff80cdc994b58","model":"glm-tts"}

异常调用示例

curl -X POST "https://open.bigmodel.cn/api/paas/v4/audio/speech" \
    -H "Authorization: Bearer API Key" \
    -H "Content-Type: application/json" \
    -d '{
          "model": "glm-tts",
          "input": "你好呀,欢迎来到智谱开放平台",
          "voice": "test",
          "response_format": "pcm",
          "encode_format": "base64",
          "stream": true,
          "speed": 1.0,
          "volume": 1.0
    }' \

data: {"error":{"code":"1214","message":"音色id不存在"}}

Python

安装 SDK

# 安装最新版本
pip install zai-sdk
# 或指定版本
pip install zai-sdk==0.2.2

验证安装

import zai
print(zai.__version__)

基础调用

from zai import ZhipuAiClient
from pathlib import Path

client = ZhipuAiClient(api_key="")  # 请填写您自己的APIKey
speech_file_path = "" # 请填写您输出文件的保存路径
response = client.audio.speech(
    model="glm-tts",
    input="你好呀,欢迎来到智谱开放平台",
    voice="female",
    response_format="wav",
    speed=1.0,
    volume=1.0
)
response.stream_to_file(speech_file_path)

流式调用

api_key = "YOUR API KEY" # 填写您自己的APIKey
def main():
    client = ZhipuAiClient(api_key=api_key)
    try:
        response = client.audio.speech(
            model='glm-tts',
            input='大家好，欢迎到来智谱开放平台',
            voice='female',
            stream=True,
            response_format='pcm',
            encode_format='base64',
            speed=1.0,
            volume=1.0
        )
        for chunk in response:
            for choice in chunk.choices:
                index = choice.index
                is_finished = choice.finish_reason
                if is_finished == "stop":
                    break
                audio_delta = choice.delta.content
                print(f"{index}.audio_delta={audio_delta[:64]}..., length={len(audio_delta)}")
    except Exception as e:
        print(e)
if __name__ == '__main__':
    main()