核心用法
Zai-TTS 是通过 uvx zai-tts 命令调用的文本转语音工具，底层接入智谱 AI 的 GLM-TTS 服务。核心功能包括：
- 即时语音合成：将任意文本转为高质量 WAV 音频，支持直接传文本（
-t）或读取文件（-f） - 多音色选择：内置 Lila（活泼女声）、Chloe（知性优雅女声）、Ethan（阳光男声）三种系统音色，可通过
-l查看全部可用声线 - 语音参数调节：支持语速（
--speed）和音量（--volume）微调，适应不同场景需求 - 自定义声线克隆：用户可在 audio.z.ai 官网完成个人声线克隆，后续通过相同接口调用专属音色
显著优点
1. 中文语音质量领先：GLM-TTS 在中文发音自然度、情感表达方面表现优异，优于多数开源方案
2. 零代码快速部署：仅需安装 uv 工具链并配置两个环境变量即可使用，无需复杂依赖
3. 场景适配灵活：支持朗读、播客制作、驾驶/烹饪等多任务场景，也可服务于视障用户无障碍需求
潜在局限
- 服务依赖外部 API：需稳定网络连接至智谱云服务，离线环境无法使用
- 认证门槛较高：需手动登录官网并通过浏览器控制台提取
localStorage中的 token，操作不够直观 - 输出格式单一：仅支持 WAV 导出，如需 MP3 需额外转换
- 自定义声线准备周期长：个人声线克隆需在官网完成，无法即时生效
适合人群
- 内容创作者（播客、有声书、视频配音）
- 多任务效率用户（通勤听读、家务伴听）
- 无障碍需求用户及辅助技术开发
- 对中文语音合成质量有较高要求的专业用户
常规风险
- 凭证管理风险：
ZAI_AUDIO_TOKEN为长期有效凭证，若泄露可能导致账户被盗用或产生意外费用 - 隐私合规注意：上传文本内容会传输至智谱云端处理，敏感信息需谨慎评估
- API 稳定性依赖：服务可用性完全依赖智谱官方，存在不可控的变更或中断风险
- 速率与配额限制：实际使用中可能受限于账户等级对应的调用频次与额度