基于LLM的 text-to-speech 通过多奖RL从3~10s的音频和情感表达式零镜头语音克隆,可控输出.
Z.ai音频生成发布日期 2025年12月11日原生推理基于LLM的 text-to-speech 通过多奖RL从3~10s的音频和情感表达式零镜头语音克隆,可控输出.
也称为 Z.ai GLM TTS, GLM-TTS
glm-tts/v1/audio/speechzhipu/glm-tts来自 EmpirioLabs 目录的实时按量计费价格。只为实际用量付费，没有月度最低消费。
GLM TTS 通过 POST /v1/audio/speech 生成语音并返回可播放的音频。把要朗读的文本作为 input，连同模型 ID glm-tts 一起发送。 在EmpirioLabs 控制台获取 API 密钥。
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 GLM TTS API 支持的请求参数。省略字段时使用默认值。
| 参数 | 类型 | 默认值 | 范围 / 值 | 描述 |
|---|---|---|---|---|
| input | string | - | - | 文本要综合。多扬声器使用[S1] / [S2]标签或“扬声器N：”线。 |
| voice | enum | emma | emma, james, arthur, xiaomei, zhigang, custom | emma=英语女性，james=美国男性，arthur=美国男性替代，xiaomei=中国女性，jigang=中国男性，custom=通过voice_audio_url上传参考。 |
| voice_audio_url | string | - | - | 参考音频链接，用于自定义语音克隆。参考录音必须包含说话者用自己的声音朗读这句同意短语：“我同意Empirio Labs克隆我的声音以生成合成语音。我了解到我的声音样本将被用来制作个性化音频内容。”没有短语的参考音频被拒绝。 |
| output_format | enum | mp3 | mp3, wav | 输出媒体文件格式（mp3、wav、mp4、png、jpg 等，取决于终端）。 |
| speed | number | 1 | 0.5 到 2 | 说话率乘数。 |
| model_quality | enum | quality | quality, fast | 质量=FP16（更好），速度=INT8（更快） |
| sample_rate | enum | 24000 | 24000, 16000 | 输出采样率以Hz为单位。 |
| volume | number | 1 | 0.1 到 2 | 输出增益倍增器。 |
| use_cache | boolean | true | - | 加快了重复的同代。 |
| optimize_input | boolean | true | - | 技术术语、缩略词和特殊字符的自动发音。 |
| seed | number | - | - | 可重复性种子。 |
Limits - 最大输入数:5000个字符 - 世代:5-10分钟 Voice clone - 参考音效:3-10秒 - 接受格式:WAV,MP3,OGG,FLAC,AAC,M4A,WebM Presset voice - emma(英语:Emma (US M)) - Arthur(英语:UK M) - Xiaomei (中文(F) - zhigang (中文(M))
在 EmpirioLabs，GLM TTS 按量计费：快(INT8) $0.20 每1k个字符; 质量(FP16) $0.21 每1k个字符。本页的实时价格表始终与 API 的实际计费一致。
GLM TTS 通过 api.empiriolabs.ai 上的 POST /v1/audio/speech 提供，使用标准的 Bearer 令牌认证。
可以。EmpirioLabs Playground在浏览器中以与 API 相同的参数运行 GLM TTS，你可以在写代码之前先测试提示词。
创建 EmpirioLabs 账户，然后在控制台的 API Keys生成密钥。计费使用按量付费的额度，只为实际发出的请求付费。
