用途：本技能用于指导调用智谱 AI 的语音相关模型，在需要文本转语音、声音克隆、语音识别或语音对话时提供模型选型与调用参考。
主要能力与模型：GLM-TTS（glm-tts）为 TTS，7 种预设音色，输出 WAV/PCM、24kHz 采样率，首帧延迟 ≤400ms；GLM-TTS-Clone（glm-tts-clone）为声音克隆，3 秒样本即可完成克隆，API 为 POST https://open.bigmodel.cn/api/paas/v4/voice/clone；GLM-ASR-2512（glm-asr-2512）为 ASR，CER 0.0717，支持中文方言，最大 25MB、最长 30s；GLM-4-Voice（glm-4-voice）为端到端语音，8K token 上下文、4K 最大输出，WAV/Base64 mono 16-bit 44100Hz，支持情绪、语调、语速、方言控制；GLM-Realtime（glm-realtime）为实时对话，WebSocket 协议，支持打断、函数调用、唱歌、屏幕共享，另有 GLM-Realtime-Flash 与 GLM-Realtime-Air 两个版本。
选型建议：标准 TTS 选 glm-tts；个性化语音选 glm-tts-clone；语音转文字选 glm-asr-2512；语音对话选 glm-4-voice；实时交互选 glm-realtime。
使用方式：API Key 从 ~/.glm/.env 加载 ZHIPU_API_KEY，Key 可在 https://open.bigmodel.cn/usercenter/apikeys 获取；更多文档见 https://docs.bigmodel.cn/。
限制：资料未说明各模型全部参数、并发与调用配额等细节；实时对话版本按分钟计费（Flash 0.18/1.20 元/分钟，Air 0.30/2.10 元/分钟，含视频），其余模型价格暂未提供。