GLM-TTS 是智谱 AI（Zhipu AI）CogAudio 团队开发的开源文本到语音（TTS）合成系统，是 GLM 系列的语音扩展，于 2025 年发布。
GLM-TTS 的核心目标是解决传统 TTS 在情感表达、发音准确性和实时性上的瓶颈：早期模型虽高效但缺乏自然韵律，而 GLM-TTS 通过多奖励强化学习（GRPO）实现人类级别的表达力和稳定性，支持从 3-10 秒参考音频克隆声音。
开源地址：
github | https://github.com/zai-org/GLM-TTS |
huggingface | https://huggingface.co/zai-org/GLM-TTS |
modelscope | https://modelscope.cn/models/ZhipuAI/GLM-TTS |
在线体验： https://audio.z.ai/
1.部署环境
环境 | 版本 |
ubuntu-24.04.3 Server | release 10.0 |
Cuda | 12.8 |
显卡 RTX 2080 Ti 22G | 驱动 NVIDIA-Linux-x86_64-580.105.08 |
uv | 0.9.13 |
内存 | 32G |
请提前安装好 显卡驱动，cuda版本最好是 12.8。
# 我使用 python 3.12 没有成功 # 因为 Python 3.12 环境中 很多扩展包还没有预编译 wheel，需要从源码 build。 # 而 pynini 多数情况下 不支持 Python 3.12，官方 wheel 最多到 Python 3.10。 conda create -n glmtts python=3.10 conda activate glmtts # 接下来会使用pip安装依赖，所以添加国内加速 (glmtts) pip config set global.index-url https://mirrors.huaweicloud.com/repository/pypi/simple/ # 设置全局代理 git config --global http.proxy http://192.168.6.120:7897 git config --global https.proxy http://192.168.6.120:7897 # 查看配置 git config -l # 克隆源码 git clone https://github.com/zai-org/GLM-TTS.git cd GLM-TTS92.168.6.120 是一台windows机器，安装了 Class Verge ，通过它加速访问github。
git 代理指向了这个机器，要通过192.168.6.120 代理到github， Class Verge 必须要允许局域网连接（默认是关闭的）
2.安装依赖
cd ~/GLM-TTS # 编译 pynini 的时候，会用到 Cython pip install --upgrade pip setuptools wheel Cython soxr pip install -r requirements.txt # 安装强化学习相关依赖（可选） cd grpo/modules git clone https://github.com/s3prl/s3prl git clone https://github.com/omine-me/LaughterSegmentation # 从 modelscope下载 pip install modelscope # 下载 wavlm_large_finetune.pth 并放置在 grpo/ckpt 目录 cd ~/GLM-TTS mkdir -p ckpt modelscope download --model ZhipuAI/GLM-TTS --local_dir ckpt3.启动交互式Web界面
python -m tools.gradio_app启动后，会开启服务器 8048 端口： http://192.168.6.133:8048/
- 上传声音样本
- 输入要转换的文本
- 生成音频
