智普GLM-TTS开源-可控且富含情感的零样本语音合成模型

　　GLM-TTS 是智谱 AI（Zhipu AI）CogAudio 团队开发的开源文本到语音（TTS）合成系统，是 GLM 系列的语音扩展，于 2025 年发布。

　　GLM-TTS 的核心目标是解决传统 TTS 在情感表达、发音准确性和实时性上的瓶颈：早期模型虽高效但缺乏自然韵律，而 GLM-TTS 通过多奖励强化学习（GRPO）实现人类级别的表达力和稳定性，支持从 3-10 秒参考音频克隆声音。

　　开源地址：

　　github

　　huggingface

　　modelscope

　　在线体验：

　　环境

　　版本

　　ubuntu-24.04.3 Server

　　release 10.0

　　Cuda

　　12.8

　　显卡 RTX 2080 Ti 22G

　　驱动 NVIDIA-Linux-x86_64-580.105.08

　　uv

　　0.9.13

　　内存

　　32G

　　请提前安装好 显卡驱动，cuda版本最好是 12.8。

　　# 我使用 python 3.12 没有成功# 因为 Python 3.12 环境中 很多扩展包还没有预编译 wheel，需要从源码 build。# 而 pynini 多数情况下 不支持 Python 3.12，官方 wheel 最多到 Python 3.10。conda create -n glmtts python=3.10conda activate glmtts# 接下来会使用pip安装依赖，所以添加国内加速(glmtts) pip config set global.index-url 设置全局代理git config --global http.proxy git config --global https.proxy 查看配置git config -l# 克隆源码git clone GLM-TTS

　　92.168.6.120 是一台windows机器，安装了 Class Verge ，通过它加速访问github。

　　git 代理指向了这个机器，要通过192.168.6.120 代理到github， Class Verge 必须要允许局域网连接（默认是关闭的）

　　2.安装依赖

　　cd ~/GLM-TTS# 编译 pynini 的时候，会用到 Cythonpip install --upgrade pip setuptools wheel Cython soxrpip install -r requirements.txt# 安装强化学习相关依赖（可选）cd grpo/modulesgit clone clone 从 modelscope下载pip install modelscope# 下载 wavlm_large_finetune.pth 并放置在 grpo/ckpt 目录cd ~/GLM-TTSmkdir -p ckptmodelscope download --model ZhipuAI/GLM-TTS --local_dir ckpt3.启动交互式Web界面

　　python -m tools.gradio_app

　　启动后，会开启服务器 8048 端口：