是什么
「智谱 GLM 媒体生成套件」把智谱开放平台的六大媒体与理解能力各取旗舰收进一包：GLM-Image 生图（中英文字渲染是招牌，同步接口秒回）、CogVideoX-3 生视频（文生视频/图生视频/首尾帧，最高 4K、可选 AI 音效）、GLM-TTS（六种枚举音色 + 15 秒样本声音复刻）、GLM-OCR（PDF/图片转 Markdown，复杂表格保 HTML）、GLM-ASR（中英混说识别 + 热词偏置）、Embedding-3 向量与重排（四档维度 + 精排）。
每个成员自带可直接执行的 Python 脚本（标准库实现、零第三方依赖）：生图、生视频、语音合成、文档解析、语音识别、向量与重排全部命令行化，含 --dry-run 预检与 JSON 摘要输出；长音频切片、超百页 PDF 分段、文本分段合成等工程纪律写进了 SKILL.md 工作流。
密钥经环境变量 ZHIPU_API_KEY 注入，脚本任何路径不回显 Key；官方示例代码里的 ZAI_API_KEY 与之等价，本包统一用前者。智谱未开放音乐生成 API，需要歌曲/BGM 请配合 Motu 套件的 motu-audio-yue2-music 成员。
包含成员
智谱生图
同步接口一步出图，海报文字、图表标注的中英文渲染是招牌能力；七档推荐尺寸 + 自定义校验、高清恒开、可选水印，0.1 元/次。
智谱生视频
文生/图生/首尾帧三模式，5 或 10 秒、30/60fps、最高 4K，可开 AI 音效；异步提交 + 轮询收片，成片与封面图一并落盘，1 元/次。
智谱语音合成与声音复刻
六种枚举音色 + 情感前缀驱动语气；15 秒样本三步复刻专属音色，支持音色列表与删除；合成 2 元/万字符、复刻 6 元/次。
智谱文档解析
PDF（≤50MB/100 页）与图片（≤10MB）一键转 Markdown，复杂表格保留 HTML 结构；超百页按页段拆分并行，0.2 元/百万 tokens。
智谱语音识别
中英混说原生支持，≤30 秒/段，热词偏置专有名词、prompt 接续稳住长音频上下文；分段转写纪律内置，约 0.0002 元/秒。
智谱向量与重排
文本向量化（单批 ≤64 条、256/512/1024/2048 四档维度）与相关度重排（query + ≤128 候选），两段式语义检索管线一步到位。
什么时候会用到
- 「帮我生成一张春节促销海报，标题和活动时间要直接写在画面上」
- 「用这张产品图做一支 10 秒的展示视频，首尾帧我都给你」
- 「把这篇 3000 字的产品说明读成有声版，语速慢一点」
- 「这份扫描合同转成 Markdown，付款条款表格要完整保留」
- 「这段 20 分钟的访谈录音帮我转成文字稿，人名要准」
- 「给 docs 目录建一个语义检索，之后我用自然语言问题来查」
不适用于
- 歌曲与 BGM 的音乐生成——智谱开放平台没有独立音乐生成 API（用「Motu 媒体创作套件」的 motu-audio-yue2-music）
- 其他厂商模型的同能力生成（图像/视频/语音各有对应厂商套件，Key 互不通用）
- 没有智谱开放平台 API Key 时的任何实际生成——脚本会以缺 Key 报错退出，不猜测不降级
安装与使用
- 1打开 UUIDE，进入「设置 → 技能」面板，找到本技能包点击「安装」
- 2在 bigmodel.cn 个人中心「API Keys」页创建密钥（类型须为「模型标准 API」，Coding 套餐 Key 不通用），注入环境变量 ZHIPU_API_KEY
- 3在 AI 会话中说出需求即可触发对应成员；长音频、超百页 PDF、长文本合成按成员工作流自动分段处理
常见问题
- 需要什么条件才能用？
- 需要一个智谱开放平台（open.bigmodel.cn）的 API Key，且类型必须是「模型标准 API」（个人/团队 Coding 套餐 Key 互不通用）；在个人中心 API Keys 页创建后，通过环境变量 ZHIPU_API_KEY 注入。生成按量计费，账户需有余额。
- 各能力分别怎么计费？
- GLM-Image 生图 0.1 元/次；CogVideoX-3 生视频 1 元/次；GLM-TTS 合成 2 元/万字符、声音复刻 6 元/次；GLM-OCR 文档解析 0.2 元/百万 tokens（约 1 元 ≈ 2000 张 A4 扫描图）；GLM-ASR 约 0.0002 元/秒；Embedding 0.5 元/百万 tokens、Rerank 0.8 元/百万 tokens。
- 为什么没有音乐生成成员？
- 智谱开放平台没有开放独立的音乐生成 API（官方全量端点确认缺失）；CogVideoX-3 的 with_audio 可为生成的视频配 AI 音效。独立的歌曲/BGM 生成请用 Motu 套件的 motu-audio-yue2-music 成员。
- 会并发受限吗？
- 限流按「在途并发请求数」计（非 QPS），按账户等级 V0–V3 分档：图像/视频 5/10/15/20、embedding 50/100/300/500；速率等级可在 bigmodel.cn 用户中心查看。