近日，人工智能領(lǐng)域迎來(lái)一項(xiàng)重要突破——智譜公司正式推出并開源了GLM?TTS工業(yè)級(jí)語(yǔ)音合成系統(tǒng)。該系統(tǒng)憑借獨(dú)特的技術(shù)優(yōu)勢(shì)，在語(yǔ)音合成領(lǐng)域展現(xiàn)出強(qiáng)大的競(jìng)爭(zhēng)力，引發(fā)行業(yè)廣泛關(guān)注。

GLM?TTS系統(tǒng)的一大亮點(diǎn)在于其高效的學(xué)習(xí)能力。僅需3秒的語(yǔ)音樣本，該系統(tǒng)就能精準(zhǔn)捕捉說(shuō)話人的音色特征與說(shuō)話習(xí)慣。這一特性使其在多個(gè)應(yīng)用場(chǎng)景中大放異彩，無(wú)論是通用朗讀、情感配音，還是教育評(píng)測(cè)、電子書有聲化以及有聲客服等領(lǐng)域，都能實(shí)現(xiàn)自然流暢、高度貼近真人的語(yǔ)音輸出效果，為用戶帶來(lái)沉浸式的聽覺體驗(yàn)。

在訓(xùn)練數(shù)據(jù)方面，GLM?TTS系統(tǒng)展現(xiàn)出了極高的效率。官方數(shù)據(jù)顯示，該系統(tǒng)僅使用10萬(wàn)小時(shí)的訓(xùn)練數(shù)據(jù)，這一數(shù)據(jù)量遠(yuǎn)低于行業(yè)主流商用模型。盡管訓(xùn)練數(shù)據(jù)量較少，但GLM?TTS在訓(xùn)練成本和效果之間實(shí)現(xiàn)了完美平衡。其預(yù)訓(xùn)練過程僅需單機(jī)運(yùn)行4天，就能達(dá)到開源SOTA（當(dāng)前最優(yōu)技術(shù)）水平的“發(fā)音準(zhǔn)確度”，同時(shí)具備超高“音色還原度”。針對(duì)精品音色的LORA和強(qiáng)化學(xué)習(xí)訓(xùn)練，也僅需單機(jī)1天即可完成，大大縮短了訓(xùn)練周期，降低了訓(xùn)練成本。

值得一提的是，GLM?TTS系統(tǒng)在價(jià)格方面也具有顯著優(yōu)勢(shì)。憑借其卓越的性能，該系統(tǒng)以更低的價(jià)格獲得了行業(yè)領(lǐng)先的MOS（平均意見得分）分?jǐn)?shù)，這一分?jǐn)?shù)是衡量語(yǔ)音合成質(zhì)量的重要指標(biāo)。這意味著，用戶可以在更低成本的前提下，享受到更高質(zhì)量的語(yǔ)音合成服務(wù)，為語(yǔ)音合成技術(shù)的普及和應(yīng)用奠定了堅(jiān)實(shí)基礎(chǔ)。