GLM-4-Voice 是智谱 AI 推出的端到端语音模型。GLM-4-Voice 能够直接理解和生成中英文语音，进行实时语音对话，并且能够遵循用户的指令要求改变语音的情感、语调、语速、方言等属性。 GLM-4-Voice-Tokenizer: 通过在 Whisper的 Encoder 部分增加 Vector Quantization 并在 ASR 数据 ...