近日，人工智能领域迎来一项重要突破——智谱公司正式推出并开源了GLM‑TTS工业级语音合成系统。该系统凭借独特的技术优势，在语音合成领域展现出强大的竞争力，引发行业广泛关注。
GLM‑TTS系统的一大亮点在于其高效的学习能力。仅需3秒的语音样本，该系统就能精准捕捉说话人的音色特征与说话习惯。这一特性使其在多个应用场景中大放异彩，无论是通用朗读、情感配音，还是教育评测、电子书有声化以及有声客服等领域，都能实现自然流畅、高度贴近真人的语音输出效果，为用户带来沉浸式的听觉体验。
在训练数据方面，GLM‑TTS系统展现出了极高的效率。官方数据显示，该系统仅使用10万小时的训练数据，这一数据量远低于行业主流商用模型。尽管训练数据量较少，但GLM‑TTS在训练成本和效果之间实现了完美平衡。其预训练过程仅需单机运行4天，就能达到开源SOTA（当前最优技术）水平的“发音准确度”，同时具备超高“音色还原度”。针对精品音色的LORA和强化学习训练，也仅需单机1天即可完成，大大缩短了训练周期，降低了训练成本。
值得一提的是，GLM‑TTS系统在价格方面也具有显著优势。凭借其卓越的性能，该系统以更低的价格获得了行业领先的MOS（平均意见得分）分数，这一分数是衡量语音合成质量的重要指标。这意味着，用户可以在更低成本的前提下，享受到更高质量的语音合成服务，为语音合成技术的普及和应用奠定了坚实基础。
