清言上线情感语音模型GLM-4-Voice，AI 的 phone use 也来了

主要观点总结

本文介绍了GLM-4-Voice的发布，它是智谱多模态大模型家族的新成员，具备完整的感官系统，实现了机器与人交互的自然与流畅。GLM-4-Voice具有直接理解和生成中英文语音的能力，能够根据用户指令调整语音的情感、语调、语速和方言等特征，且具有更低的延迟，支持实时打断，进一步提升交互体验。该模型已经上线清言app，同时开源供用户使用。文章还介绍了GLM-4-Voice的技术细节，包括其组成部分、预训练方式、使用方式等。此外，还介绍了智谱在迈向AGI过程中的其他进展，如AutoGLM的手机使用能力，以及智谱的技术升级曲线等。

关键观点总结

关键观点1: GLM-4-Voice的发布

它是智谱多模态大模型家族的新成员，具备完整的感官系统，实现了机器与人交互的自然与流畅。

关键观点2: GLM-4-Voice的能力特点

具备直接理解和生成中英文语音的能力，能够根据用户指令调整语音的情感、语调、语速和方言等特征。具有更低的延迟，支持实时打断，进一步提升交互体验。

关键观点3: GLM-4-Voice的技术细节

包括其组成部分、预训练方式、使用方式等。

关键观点4: 智谱的其他进展

如AutoGLM的手机使用能力，包括在Phone Use和Web Browser Use上的性能提升，以及智谱的技术升级曲线等。

免责声明