在这里插入图片描述 GLM-TTS是基于大语言模型的高质量文本转语音（TTS）合成系统，支持零样本语音克隆和流式推理。该系统采用两阶段架构，结合了用于生成语音标记的大语言模型（LLM）和用于波形合成的流匹配模型。 通过引入多奖励强化学习框架，GLM-TTS显著提升了生成语音的表现力，相比传统TTS系统实现了更自然的情感控制。 核心特性 零样本语音克隆：仅需3-10秒提示音频即可克隆任意说话者音色 强化学习增强的情感控制：采用多奖励强化学习框架（GRPO）优化韵律和情感表达 高质量合成：生成语音质量媲美商业系统，同时降低字符错误率（CER） 音素级控制：支持"混合音素+文本"输入，实现精准发音控制（如多音字） 流式推理：支持实时音频生成，适用于交互式应用场景 双语支持：针对中英文混合文本进行优化
网站域名：github.com 更新日期：2025-12-12 网站简称：智谱开源GLM-TTS语音模型：3 秒复刻人声，支持多情感表达！ 网站分类：影音视频 人气指数：543
Clone-voice是一款Web 界面的声音克隆工具。可使用任何人类音色，将一段文字合成为使用该音色说话的声音，或者将一个声音使用该音色转换为另一个声音。遵守Coqui Public Model License开源协议（作者自己编写的开源协议）。Clone-voice使用简单，没有N卡GPU也可以使用，下载预编译版本，双击 app.exe 打开一个web界面，鼠标点点就能用。 支持 中、英、日、韩、法、德、意等16种语言，可在线从麦克风录制声音。 为保证合成效果，建议录制时长5秒到20秒，发音清晰准确，不要存在背景噪声。 作者表示英文效果很棒，中文效果还凑合。