GLM-TTS
Stellt GLM-TTS mit Stimmklonen aus drei Sekunden Audio und Emotionssteuerung in den Mittelpunkt und zeigt, wie zweistufige Erzeugung mit verstärkendem Lernen Fehlerraten senkt und wo Sprecherdienste es nutzen.
GLM-TTS ist ein industrietaugliches Sprachsynthesesystem, das Zhipu veröffentlicht und quelloffen bereitgestellt hat. Rund drei Sekunden Audio genügen, um eine Stimme zu klonen, mehrere Emotionen und Rollen werden unterstützt, und ein zweistufiger Generator mit verstärkendem Lernen senkt die Zeichenfehlerrate auf ein führendes Open-Source-Niveau. Training und Inferenz bleiben günstig, sodass Bildung, Hörbücher und Kundenservice von der Demo in den Betrieb wechseln können.
