How do I install the Zhipu Audio skill?

Run npx skillmds@latest add full-aigc-skills/zhipu-audio in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Zhipu Audio safe to use?

This skill has not completed SkillMD's automated safety review yet. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Zhipu Audio?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Zhipu Audio free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Zhipu Audio?

full-aigc-skills (@full-aigc-skills) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Zhipu Audio by full-aigc-skills — Agent Skill

Name: Zhipu Audio
Author: full-aigc-skills

Zhipu Audio

智谱 AI 语音模型选型与调用指南。涵盖文本转语音 (TTS)、声音克隆、语音识别 (ASR)、端到端语音对话、实时音视频对话，包括 GLM-TTS、GLM-TTS-Clone、GLM-ASR-2512、GLM-4-Voice、GLM-Realtime。当用户需要调用智谱的语音相关模型时使用此 skill。触发条件：用户提到智谱语音、TTS、ASR、语音合成、语音识别、声音克隆、实时对话、GLM-TTS、GLM-Voice、GLM-Realtime、BigModel audio，或需要语音合成/识别/对话能力时。来源: https://github.com/tencentjerry-afk/zhipu-claude-skills

File contents

智谱 AI 语音模型 (Audio)

模型总览

模型	Model ID	类型	特性
GLM-TTS	`glm-tts`	TTS	7 种音色，WAV/PCM，24kHz
GLM-TTS-Clone	`glm-tts-clone`	声音克隆	3 秒样本即可克隆
GLM-ASR-2512	`glm-asr-2512`	ASR	CER 0.0717，支持方言
GLM-4-Voice	`glm-4-voice`	端到端语音	8K 上下文，情绪/语调/语速控制
GLM-Realtime	`glm-realtime`	实时对话	WebSocket，支持打断/函数调用
GLM-Realtime-Flash	`glm-realtime-flash`	实时对话	0.18 元/分钟
GLM-Realtime-Air	`glm-realtime-air`	实时对话	0.30 元/分钟（含视频）

选型建议

标准 TTS: glm-tts
个性化语音: glm-tts-clone — 3 秒样本克隆
语音转文字: glm-asr-2512
语音对话: glm-4-voice — 情绪/语速控制
实时交互: glm-realtime — WebSocket，支持打断

API Key 配置

从 ~/.glm/.env 加载 ZHIPU_API_KEY。Key 获取：https://open.bigmodel.cn/usercenter/apikeys

GLM-TTS 特性

7 种预设音色
WAV/PCM 输出，24kHz 采样率
首帧延迟 ≤400ms

GLM-TTS-Clone 特性

3 秒音频样本即可完成声音克隆
API: POST https://open.bigmodel.cn/api/paas/v4/voice/clone

GLM-ASR-2512 特性

最大 25MB，最长 30s
CER 0.0717
支持中文方言识别

GLM-4-Voice 特性

8K token 上下文，4K 最大输出
WAV/Base64 mono 16-bit 44100Hz
情绪、语调、语速、方言控制

GLM-Realtime 特性

WebSocket 协议
支持：打断、函数调用、唱歌、屏幕共享
Flash: 0.18/1.20 元/分钟；Air: 0.30/2.10 元/分钟

文档参考

---name: zhipu-audiodescription: 智谱 AI 语音模型选型与调用指南。涵盖文本转语音 (TTS)、声音克隆、语音识别 (ASR)、端到端语音对话、实时音视频对话，包括 GLM-TTS、GLM-TTS-Clone、GLM-ASR-2512、GLM-4-Voice、GLM-Realtime。当用户需要调用智谱的语音相关模型时使用此 skill。触发条件：用户提到智谱语音、TTS、ASR、语音合成、语音识别、声音克隆、实时对话、GLM-TTS、GLM-Voice、GLM-Realtime、BigModel audio，或需要语音合成/识别/对话能力时。来源: https://github.com/tencentjerry-afk/zhipu-claude-skills---# 智谱 AI 语音模型 (Audio)## 模型总览| 模型 | Model ID | 类型 | 特性 ||------|----------|------|------|| GLM-TTS | `glm-tts` | TTS | 7 种音色，WAV/PCM，24kHz || GLM-TTS-Clone | `glm-tts-clone` | 声音克隆 | 3 秒样本即可克隆 || GLM-ASR-2512 | `glm-asr-2512` | ASR | CER 0.0717，支持方言 || GLM-4-Voice | `glm-4-voice` | 端到端语音 | 8K 上下文，情绪/语调/语速控制 || GLM-Realtime | `glm-realtime` | 实时对话 | WebSocket，支持打断/函数调用 || GLM-Realtime-Flash | `glm-realtime-flash` | 实时对话 | 0.18 元/分钟 || GLM-Realtime-Air | `glm-realtime-air` | 实时对话 | 0.30 元/分钟（含视频） |## 选型建议- **标准 TTS**: `glm-tts`- **个性化语音**: `glm-tts-clone` — 3 秒样本克隆- **语音转文字**: `glm-asr-2512`- **语音对话**: `glm-4-voice` — 情绪/语速控制- **实时交互**: `glm-realtime` — WebSocket，支持打断## API Key 配置从 `~/.glm/.env` 加载 `ZHIPU_API_KEY`。Key 获取：https://open.bigmodel.cn/usercenter/apikeys## GLM-TTS 特性- 7 种预设音色- WAV/PCM 输出，24kHz 采样率- 首帧延迟 ≤400ms## GLM-TTS-Clone 特性- 3 秒音频样本即可完成声音克隆- API: `POST https://open.bigmodel.cn/api/paas/v4/voice/clone`## GLM-ASR-2512 特性- 最大 25MB，最长 30s- CER 0.0717- 支持中文方言识别## GLM-4-Voice 特性- 8K token 上下文，4K 最大输出- WAV/Base64 mono 16-bit 44100Hz- 情绪、语调、语速、方言控制## GLM-Realtime 特性- WebSocket 协议- 支持：打断、函数调用、唱歌、屏幕共享- Flash: 0.18/1.20 元/分钟；Air: 0.30/2.10 元/分钟## 推荐场景TTS 语音合成、声音克隆个性化、语音转文字转录、端到端语音助手、实时音视频对话## 文档参考- https://docs.bigmodel.cn/- https://open.bigmodel.cn/usercenter/apikeys

Frequently asked questions