智谱刚刚放出了一枚重磅冲击波——GLM-4-Voice端到端情感语音模型正式上线。简单来说，这个模型不仅能听懂你说什么，还能感知你的情绪，并用相应的情绪回应你。官方给出的关键词是：理解情感、情绪表达、情感共鸣。听起来是不是有点像科幻片里的AI管家？

从功能列表来看，GLM-4-Voice这次确实做了不少功课。首先，它的声音不再是那种冷冰冰的机械音，而是可以根据语境切换喜怒哀惧——高兴时语调上扬，悲伤时低沉舒缓，甚至还能表现出害怕。其次，你可以在同一轮对话中直接让它“说快点”或“说慢点”，它就能实时调整语速。更贴心的是，它支持随时打断，你中途插话或者改变指令，它能立即响应，不需要等它把整段说完。

语言能力方面，GLM-4-Voice支持中英文以及多种中国方言，尤其擅长粤语、重庆话、北京话——这几个方言的难度系数可不低，能搞定说明背后下了不少功夫。另外，视频通话功能也即将上线，到时候模型就能“能看也能说”，结合视觉信息做出更自然的交互。

与此同时，智谱还升级了AutoGLM的phone use能力。你只需要给它一句简单的文字或语音指令，它就能像人一样操作手机——不是通过API调用，而是直接模拟人类点击、滑动、输入。这意味着用户不需要搭建复杂的工作流，它自己就能完成多步骤任务。

最后，GLM-4-Voice已经开源，代码仓库地址如下。对于开发者来说，这无疑是个好消息——端到端多模态模型的完整实现，可以直接拿来做二次开发。

代码仓库：

• https://github.com/THUDM/GLM-4-Voice