O GLM-4-Voice é um modelo de voz de ponta a ponta desenvolvido pela equipe da Universidade Tsinghua, capaz de entender e gerar voz em chinês e inglês diretamente, realizando diálogos de voz em tempo real. Por meio de tecnologias avançadas de reconhecimento e síntese de voz, ele realiza a conversão perfeita de voz para texto e de texto para voz, possuindo capacidade de diálogo com baixa latência e alta inteligência. O modelo foi otimizado em termos de inteligência e expressividade de síntese no modo de voz, sendo adequado para cenários que exigem interação por voz em tempo real.