GLM-TTS
GLM-TTS の三秒での声質複製と感情制御を軸に、二段階生成と強化学習が誤り率をどう下げるか、ナレーションや音声コンテンツ、顧客対応での使いどころを整理します。
GLM-TTS は Zhipu が公開した産業向けの音声合成システムです。約三秒の音声サンプルから話者の声質を複製でき、複数の感情と役割を表現できます。二段階の生成構成に強化学習を組み合わせ、文字誤り率を下げて公開評価でオープンソース最高水準に達しました。学習と推論の費用が抑えられ、教育、電子書籍、顧客対応など自然な読み上げが要る場面に向きます。
