近日，人工智能領域迎來一項重要突破——智譜公司正式推出并開源了GLM?TTS工業級語音合成系統。該系統憑借獨特的技術優勢，在語音合成領域展現出強大的競爭力，引發行業廣泛關注。
GLM?TTS系統的一大亮點在于其高效的學習能力。僅需3秒的語音樣本，該系統就能精準捕捉說話人的音色特征與說話習慣。這一特性使其在多個應用場景中大放異彩，無論是通用朗讀、情感配音，還是教育評測、電子書有聲化以及有聲客服等領域，都能實現自然流暢、高度貼近真人的語音輸出效果，為用戶帶來沉浸式的聽覺體驗。
在訓練數據方面，GLM?TTS系統展現出了極高的效率。官方數據顯示，該系統僅使用10萬小時的訓練數據，這一數據量遠低于行業主流商用模型。盡管訓練數據量較少，但GLM?TTS在訓練成本和效果之間實現了完美平衡。其預訓練過程僅需單機運行4天，就能達到開源SOTA（當前最優技術）水平的“發音準確度”，同時具備超高“音色還原度”。針對精品音色的LORA和強化學習訓練，也僅需單機1天即可完成，大大縮短了訓練周期，降低了訓練成本。
值得一提的是，GLM?TTS系統在價格方面也具有顯著優勢。憑借其卓越的性能，該系統以更低的價格獲得了行業領先的MOS（平均意見得分）分數，這一分數是衡量語音合成質量的重要指標。這意味著，用戶可以在更低成本的前提下，享受到更高質量的語音合成服務，為語音合成技術的普及和應用奠定了堅實基礎。
