text-to-speech basado en LLM con clonación de voz sin disparo a partir de 3-10 segundos de audio y salida expresiva emocionalmente controlable mediante RL multi-recompensa.
Z.aiGeneración de audioLanzado 11 dic 2025Inferencia nativatext-to-speech basado en LLM con clonación de voz sin disparo a partir de 3-10 segundos de audio y salida expresiva emocionalmente controlable mediante RL multi-recompensa.
También conocido como Z.ai GLM TTS, GLM-TTS
glm-tts/v1/audio/speechzhipu/glm-ttsTarifas de pago por uso en vivo del catálogo de EmpirioLabs. Solo pagas por lo que usas, sin mínimo mensual.
GLM TTS genera voz a través de POST /v1/audio/speech y devuelve audio reproducible. Envía el texto a pronunciar como input con el id de modelo glm-tts. Consigue una clave de API en el panel de EmpirioLabs.
curl https://api.empiriolabs.ai/v1/audio/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/speech",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={"model": "glm-tts", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
f.write(response.content)Parámetros de solicitud compatibles con la API de GLM TTS en EmpirioLabs. Los valores por defecto se aplican cuando se omite un campo.
| Parámetro | Tipo | Predeterminado | Rango / valores | Descripción |
|---|---|---|---|---|
| input | string | - | - | Texto para sintetizar. Para múltiples altavoces usa etiquetas [S1] / [S2] o líneas 'Speaker N:'. |
| voice | enum | emma | emma, james, arthur, xiaomei, zhigang, custom | emma=Inglés femenino, james=Hombre estadounidense, arthur=Alt masculino estadounidense, xiaomei=chino femenino, zhigang=chino masculino, personalizado=subido... |
| voice_audio_url | string | - | - | Consulta la URL de audio para clonación de voz personalizada. La grabación de referencia debe contener al hablante leyendo en voz alta esta misma frase de... |
| output_format | enum | mp3 | mp3, wav | Formato de archivo multimedia de salida (mp3, wav, mp4, png, jpg, etc., dependiendo del punto final). |
| speed | number | 1 | 0.5 a 2 | Multiplicador de tasa de conversación. |
| model_quality | enum | quality | quality, fast | calidad=FP16 (mejor), rápido=INT8 (más rápido) |
| sample_rate | enum | 24000 | 24000, 16000 | Tasa de muestreo de salida en Hz. |
| volume | number | 1 | 0.1 a 2 | Multiplicador de ganancia de salida. |
| use_cache | boolean | true | - | Acelera generaciones idénticas y repetidas. |
| optimize_input | boolean | true | - | Pronunciación automática de términos técnicos, acrónimos y caracteres especiales. |
| seed | number | - | - | Semilla de reproducibilidad. |
Límites - Entrada máxima: 5.000 caracteres - Generación: 5-10 minutos Clonación de voz - Audio de referencia: 3-10 segundos - Formatos aceptados: WAV, MP3, OGG, FLAC, AAC, M4A, WebM Voces predefinidas - emma (F inglés) - James (M de EE. UU.) - Arthur (M del Reino Unido) - Xiaomi (F chino) - zhigang (M chino)
En EmpirioLabs, GLM TTS se factura por uso: Rápido (INT8) $0.20 por cada 1.000 caracteres; Calidad (FP16) $0.21 por cada 1.000 caracteres. La tabla de tarifas en vivo de esta página siempre coincide con lo que cobra la API.
GLM TTS se sirve a través de POST /v1/audio/speech en api.empiriolabs.ai con autenticación estándar de token Bearer.
Sí. El playground de EmpirioLabs ejecuta GLM TTS en el navegador con los mismos parámetros que expone la API, para que pruebes prompts antes de escribir código.
Crea una cuenta de EmpirioLabs y genera una clave en API Keys en el panel. La facturación es con créditos de pago por uso, así que solo pagas por las solicitudes que haces.
Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.
