清言上线情感语音模型GLM-4-Voice，AI 的 phone use 也来了

文章预览

继语言模型、图像理解、视频理解、图像生成、视频生成等模型之后，今天，智谱的多模态大模型家族再次加入新成员—— GLM-4-Voice（端到端语音模型） 。 这一成果使得大模型具备了完整的感官系统，实现了机器与人交互的自然与流畅。 GLM-4-Voice 模型具备直接理解和生成中英文语音的能力，能够根据用户指令灵活调整语音的情感、语调、语速及方言等特征，且具有更低的延时，支持实时打断，进一步提升交互体验。 具体来说，GLM-4-Voice具备： 情感表达和情感共鸣： 模拟不同的情感和语调，如高兴、悲伤、生气、害怕等情绪，用合适的情绪语气进行回复。传统 TTS 通常在情感表达上比较僵硬，声音缺少起伏和细腻的变化。 调节语速 ：在同一轮对话中，可以要求 TA 快点说 or 慢点说。 随时打断，灵活输入指令： 根据实时的用户指令，调整语音输出 ………………………………