智谱AI发布GLM-4-Voice：支持实时语音交互与情感识别

今日，智谱AI正式发布了其最新的多模态语音大模型GLM-4-Voice。与此前基于文本转语音（TTS）和自动语音识别（ASR）拼接的技术路线不同，GLM-4-Voice采用了端到端的架构设计，能够直接处理音频输入并生成音频输出，将对话延迟降低至200毫秒以内，实现了接近真人的流畅交流体验。

据官方技术报告显示，该模型在中文普通话、方言以及中英混合语境的识别准确率上均达到了行业领先水平，特别是在情感识别方面，它能够精准捕捉用户语气中的细微变化，如愤怒、喜悦或犹豫，并据此调整回复的语气和节奏。在基准测试中，GLM-4-Voice在情感一致性评分上比上一代模型提升了35%。

智谱AI CEO张鹏表示，语音交互是人工智能落地终端设备的关键入口。GLM-4-Voice不仅适用于传统的智能客服场景，更将在教育辅导、心理陪伴以及车载智能助手等领域发挥巨大潜力。目前，该模型已通过API接口向开发者开放，首批合作伙伴包括多家头部智能家居企业和在线教育平台。业内分析认为，随着语音交互自然度的提升，AI助手将从“工具型”向“伙伴型”转变，市场规模有望在未来三年内突破千亿级别。