LLM ベースの text-to-speech で、音声の 3-10 秒からゼロショットボイスクローニング、マルチリワード RL による制御可能な出力。
Z.aiオーディオ生成リリース 2025年12月11日ネイティブ推論LLM ベースの text-to-speech で、音声の 3-10 秒からゼロショットボイスクローニング、マルチリワード RL による制御可能な出力。
別名 Z.ai GLM TTS, GLM-TTS
glm-tts/v1/audio/speechzhipu/glm-ttsEmpirioLabs カタログのライブ従量課金料金です。使った分だけの支払いで、月額最低料金はありません。
GLM TTS は POST /v1/audio/speech で音声を生成し、再生可能なオーディオを返します。読み上げるテキストを input として、モデル ID glm-tts と一緒に送信してください。 EmpirioLabs ダッシュボードで API キーを取得してください。
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)EmpirioLabs 上の GLM TTS API が対応するリクエストパラメーターです。フィールドを省略した場合はデフォルト値が適用されます。
| パラメータ | タイプ | デフォルト | 範囲 / 値 | 説明 |
|---|---|---|---|---|
| input | string | - | - | テキストを合成する。マルチスピーカーの場合は、[S1] / [S2] タグや「Speaker N:」ラインを使用します。 |
| voice | enum | emma | emma, james, arthur, xiaomei, zhigang, custom | emma=英語女性、james=US男性、arthur=US男性別名前、xiaomei=中国女性、zhigang=中国人男性、custom=アップロード参照voice_audio_url。 |
| voice_audio_url | string | - | - | カスタム音声クローン用の音声URLを参照してください。参照録音には、話者がこの同意フレーズを自分の声で朗読するものが含まれていなければなりません:「合成音声を生成する目的でEmpirio... |
| output_format | enum | mp3 | mp3, wav | 出力メディアファイル形式(mp3、wav、mp4、png、jpgなど、エンドポイントによって異なります)。 |
| speed | number | 1 | 0.5 から 2 | 話す速度の倍率。 |
| model_quality | enum | quality | quality, fast | 品質=FP16(より良い)、速=INT8(より速い) |
| sample_rate | enum | 24000 | 24000, 16000 | 出力サンプリングレートはHzで表示されます。 |
| volume | number | 1 | 0.1 から 2 | 出力ゲイン倍率。 |
| use_cache | boolean | true | - | 同じ世代の繰り返しを加速させる。 |
| optimize_input | boolean | true | - | 技術用語、頭字語、特殊文字の自動発音。 |
| seed | number | - | - | 再現性シード。 |
限度 - 最大入力:5,000文字 - 生成:5-10分マウスクローニング - 参照オーディオ:3-10秒 - 受け入れられたフォーマット:WAV、MP3、OGG、FLAC、AAC、M4A、WebM プリセットボイス - エマ(英語F) - ジェームズ(米国M) - 関節(英国M) - zhigang(中国語F) - zhigang(中国語M)
EmpirioLabs では GLM TTS は従量課金です: 速い(INT8) $0.20 1k文字; 品質 (FP16) $0.21 1k文字。このページのライブ料金表は常に API の請求額と一致します。
GLM TTS は api.empiriolabs.ai 上の POST /v1/audio/speech で提供され、標準的な Bearer トークン認証を使用します。
はい。EmpirioLabs プレイグラウンドでは API と同じパラメーターで GLM TTS をブラウザ上で実行できるので、コードを書く前にプロンプトを試せます。
EmpirioLabs アカウントを作成し、ダッシュボードの API Keysでキーを生成してください。課金は従量制クレジットなので、実行したリクエストの分だけ支払います。
