GLM-4-Voice

GLM-4-Voice是由清華大學團隊開發的端到端語音模型，能夠直接理解和生成中英文語音，進行實時語音對話。

基本介紹

• 外文名：GLM-4-Voice
• 最近更新時間：2024年10月25日

套用場景

GLM-4-Voice的目標客群包括開發者、企業以及任何需要實時語音互動的個人或組織。對於開發者而言，它提供了一個強大的工具來構建語音互動套用；對於企業，它可以幫助提升客戶服務的效率和質量；對於個人用戶，它提供了一種新穎的語音互動體驗。

產品特色

語音識別：將連續的語音輸入轉化為離散的token

語音合成：將離散化的語音token轉化為連續的語音輸出

情感控制：根據用戶的指令要求改變語音的情感、語調、語速、方言等屬性

流式推理：支持流式交替輸出文本和語音兩個模態的內容，降低端到端對話延遲

預訓練能力：在數百萬小時音頻和數千億token的音頻文本交錯數據上進行預訓練，具備強大的音頻理解和建模能力

多語言支持：能夠直接理解和生成中英文語音，進行實時語音對話。