AIbase

GLM 4 Voice
GLM 4 Voice
GLM-4-Voice的目标受众包括开发者、企业以及任何需要实时语音交互的个人或组织。对于开发者而言，它提供了一个强大的工具来构建语音交互应用；对于企业，它可以帮助提升客户服务的效率和质量；对于个人用户，它提供了一种新颖的语音交互体验。
语音识别聊天机器人#语音识别#语音合成#实时对话#中英文#端到端模型普通产品开源
总访问量： 474,564,576
占比最多地区： US(19.34%)
1,032
产品介绍
网站流量
同类开源产品
替代品
简介
GLM-4-Voice是由清华大学团队开发的端到端语音模型，能够直接理解和生成中英文语音，进行实时语音对话。它通过先进的语音识别和合成技术，实现了语音到文本再到语音的无缝转换，具备低延迟和高智商的对话能力。该模型在语音模态下的智商和合成表现力上进行了优化，适用于需要实时语音交互的场景。
截图
产品特色
• 语音识别：将连续的语音输入转化为离散的token
• 语音合成：将离散化的语音token转化为连续的语音输出
• 情感控制：根据用户的指令要求改变语音的情感、语调、语速、方言等属性
• 流式推理：支持流式交替输出文本和语音两个模态的内容，降低端到端对话延迟
• 预训练能力：在数百万小时音频和数千亿token的音频文本交错数据上进行预训练，具备强大的音频理解和建模能力
• 多语言支持：能够直接理解和生成中英文语音，进行实时语音对话
使用教程
1. 首先下载仓库：使用git命令克隆项目到本地
2. 安装依赖：根据项目中的requirements.txt文件安装所需的Python依赖
3. 下载模型：根据项目指南下载所需的语音模型和分词器
4. 启动模型服务：运行model_server.py脚本启动模型服务
5. 启动Web Demo：运行web_demo.py脚本启动Web Demo服务
6. 访问Web Demo：在浏览器中访问http://127.0.0.1:8888来使用Web Demo
流量来源
直接访问51.61%外链引荐33.46%邮件0.04%
自然搜索12.58%社交媒体2.19%展示广告0.11%
最新流量情况
月访问量
4.92m
平均访问时长
393.01
每次访问页数
6.11
跳出率
36.20%
总流量趋势图
地理流量分布情况
美国
19.34%
中国
13.25%
印度
9.32%
俄罗斯
4.28%
德国
3.63%
地理流量分布全球图
同类开源产品
Spillmate
Spillmate是一个AI聊天机器人，专注于为年轻成年人、学生和专业人士提供压力和心理健康管理支持。
聊天机器人#认知行为疗法
1stroke
1Stroke是一款AI助手，能在网页任何文本框中生成有意义的回复，加快沟通速度。
聊天机器人#智能回复
Hive Chat
HiveChat 是一款专为中小型团队打造的 AI 聊天应用，支持多用户模式及权限管理，方便团队在协作中高效利用 AI 技术。
聊天机器人#团队协作
Puretalk.ai
Puretalk AI®提供智能响应式AI平台，从语音代理到聊天机器人，实现人类般流畅对话，提升满意度和简化运营。
聊天机器人#智能对话
Getbutton AI Chatbots For Websites
ChatGPT是一个基于网站内容训练的AI聊天机器人，可以24/7代表您与访客交流。
聊天机器人#客户服务
Parakeet Tdt 0.6b V2
parakeet-tdt-0.6b-v2 是一个 600 百万参数的自动语音识别（ASR）模型，旨在实现高质量的英语转录，具有准确的时间戳预测和自动标点符号、大小写支持。
语音识别#深度学习
Brutalgpt
BrutalGPT是一个提供直言不讳反馈的AI对话平台，用户可以通过与AI对话获取产品构想或个人反馈。
聊天机器人#反馈
SELPHO
Selpho提供AI技术驱动的医疗保健解决方案，包括MediDoc AI Chatbot、Vision DocScanner和AI Physician Handbook。
聊天机器人#medical AI
Qwen3
优质新品
Qwen3是通义千问团队推出的最新大型语言模型，旨在通过强大的思考和快速响应能力，为用户提供高效、灵活的解决方案。
聊天机器人
替代品
Parakeet Tdt 0.6b V2
parakeet-tdt-0.6b-v2 是一个 600 百万参数的自动语音识别（ASR）模型，旨在实现高质量的英语转录，具有准确的时间戳预测和自动标点符号、大小写支持。
语音识别#深度学习
Kimi Audio
Kimi-Audio 是一个先进的开源音频基础模型，旨在处理多种音频处理任务，如语音识别和音频对话。
语音识别#音频处理
Purechat
PureChat 是一款结合 AI 和前沿技术的现代聊天应用，采用 Vue3 和 ElementPlus 构建，内置 OpenAI、Ollama、DeepSeek 等大语言模型。
聊天机器人#AI
Openchat
优质新品
OpenChat 是一个现代化的全栈 AI 聊天应用，采用 React 和 Cloudflare Workers 构建，结合 Connect RPC 实现高效通信，通过 Tauri 支持多平台客户端。
聊天机器人#聊天
Open Multi Agent Canvas
Open Multi-Agent Canvas 是一个基于 Next.js、LangGraph 和 CopilotKit 构建的开源多智能体聊天界面。
聊天机器人#开源
Liteavatar
LiteAvatar是一个音频驱动的实时2D头像生成模型，主要用于实时聊天场景。
聊天机器人#虚拟头像
Deephermes 3 Llama 3 8B Preview
DeepHermes 3 是 NousResearch 开发的先进语言模型，能够通过系统性推理提升回答准确性。
聊天机器人#推理
Hivechat
HiveChat是一款面向中小团队的AI聊天应用，支持多种主流AI模型，如Deepseek、Open AI、Claude和Gemini等。
聊天机器人#团队协作
Step Audio
Step-Audio是首个生产级开源智能语音交互框架，整合了语音理解与生成能力，支持多语言对话、情感语调、方言、语速和韵律风格控制。
语音识别#多语言
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k