批量生成音频？GLM-TTS的JSONL任务文件这样写-程序员充电站

批量生成音频？GLM-TTS的JSONL任务文件这样写

你是否遇到过这样的场景：需要为100条产品介绍、50段课程脚本、30个短视频文案，逐一手动合成语音？每次点选参考音频、粘贴文本、调整参数、等待生成……重复操作几十次，不仅耗时，还极易出错。而GLM-TTS镜像早已内置批量推理能力——关键在于，你写的JSONL任务文件，是否真正“懂它”？

本文不讲模型原理，不堆参数术语，只聚焦一个工程师每天都会面对的真实问题：如何写出稳定、可复用、零报错的JSONL任务文件，让GLM-TTS一次性跑通全部音频生成任务。从字段含义到路径规范，从常见陷阱到调试技巧，全部来自真实批量生产环境中的踩坑总结。

1. 为什么必须用JSONL？不是CSV，也不是Excel

先说结论：JSONL是GLM-TTS批量推理唯一支持的任务格式。它不是为了“显得高级”，而是由底层推理引擎的设计逻辑决定的。

JSONL（JSON Lines）本质是“每行一个独立JSON对象”的纯文本格式。这种结构天然适配批量任务的以下特性：

流式读取：程序无需加载整个文件到内存，逐行解析，对千行级任务也极轻量
容错性强：某一行JSON语法错误，只影响该行任务，其余任务照常执行（对比CSV单个逗号出错就全盘崩溃）
字段灵活：每行可独立增减字段（如部分任务需prompt_text，部分不需要），无需统一列头
与WebUI深度对齐：镜像的批量模块直接映射WebUI表单字段，JSONL结构即界面字段的文本化表达

注意：不要尝试用Excel另存为CSV再改后缀。中文引号、隐藏空格、BOM头、换行符混乱——这些看似微小的问题，90%的批量失败都源于此。

2. JSONL文件的4个核心字段：少一个就报错，多一个就忽略

GLM-TTS批量推理仅识别且仅依赖以下4个字段。其他任何字段（如id、category、timestamp）会被静默忽略，但缺失任一必填字段将直接中断该行任务。

2.1`prompt_audio`：唯一硬性依赖，路径必须绝对精准

这是整个任务的“音色锚点”。值必须是容器内可访问的绝对路径，且音频文件必须真实存在。

{"prompt_audio": "/root/GLM-TTS/examples/prompt/teacher_male.wav", "input_text": "同学们好，今天我们学习光合作用。"}

关键规则：

❌ 错误："prompt_audio": "teacher_male.wav"（相对路径，程序在/root/GLM-TTS外执行）
❌ 错误："prompt_audio": "./examples/prompt/teacher_male.wav"（./在容器中无意义）
正确："prompt_audio": "/root/GLM-TTS/examples/prompt/teacher_male.wav"
正确："prompt_audio": "/data/audio/voice1.wav"（若你已挂载数据卷到/data）

实践建议：所有参考音频统一放在/root/GLM-TTS/examples/prompt/下，路径清晰不易错。首次使用前，用ls -l /root/GLM-TTS/examples/prompt/确认文件存在且权限为-rw-r--r--。

2.2`input_text`：要合成的语音正文，长度与标点有讲究

这是你要“说”出来的话。支持中文、英文、中英混合，但需注意两点：

长度控制：单行文本建议≤180字。超长文本易触发OOM或生成截断（尤其32kHz模式）。
标点即节奏：句号、问号、感叹号会生成自然停顿；顿号、逗号产生轻微气口；省略号（…）比三个点（...）更易被正确识别为拖音。

{ "prompt_audio": "/root/GLM-TTS/examples/prompt/teacher_male.wav", "input_text": "大家好！今天我们要完成三件事：第一，复习上节课内容；第二，学习新概念；第三，完成随堂练习……请准备好纸笔。" }

2.3`prompt_text`：提升音色还原度的“说明书”，强烈建议填写

虽然标记为“可选”，但实际生产中95%的优质克隆效果都依赖它。它的作用不是“告诉模型读什么”，而是“告诉模型这段声音里每个字怎么发音”。

例如参考音频中说“银行”，若不填prompt_text，模型可能按“yín háng”（货币机构）或“háng yín”（银行分行）两种读音随机生成。而填入：

"prompt_text": "银行的业务范围包括存款、贷款和理财服务。"

模型便能结合上下文，锁定“yín háng”的标准读音，并将此发音规律迁移到input_text中。

填写原则：严格忠实于参考音频的实际内容。哪怕只录了3秒“你好”，prompt_text就写“你好”，不要脑补成“你好，很高兴见到你”。

2.4`output_name`：自定义文件名，避免时间戳混乱

默认输出为output_0001.wav、output_0002.wav……这对调试友好，但对业务交付极不友好。output_name让你直接命名：

{ "prompt_audio": "/root/GLM-TTS/examples/prompt/teacher_male.wav", "input_text": "欢迎来到智能客服系统。", "output_name": "welcome_greeting_zh" }

生成文件即为@outputs/batch/welcome_greeting_zh.wav。
命名规范建议：[场景]_[语言]_[序号]，如product_intro_en_01、course_lecture_zh_05。

3. 写JSONL时最容易踩的5个坑（附修复方案）

这些不是理论风险，而是我们实测中高频触发的“批量任务静默失败”原因。

3.1 坑一：Windows换行符（CRLF）导致解析中断

现象：任务列表显示“共100行”，但只成功处理前37行，后续全部跳过，日志无报错。
原因：Windows记事本保存的JSONL默认用<CR><LF>（\r\n）换行，而Linux容器只认\n。第38行开头的\r被当作非法字符，整行JSON解析失败。
修复：

VS Code打开文件 → 右下角点击CRLF→ 选择LF→ 保存
或命令行一键转换：sed -i 's/\r$//' tasks.jsonl

3.2 坑二：中文引号“”代替英文引号""

现象：上传后提示JSON decode error at line X。
原因：微信、Word等工具会自动将英文双引号"替换为中文全角引号“”。JSON标准只认半角"。
修复：

全选文本 →Ctrl+H→ 查找“替换为"，查找”替换为"
或用正则：sed -i 's/“/"/g; s/”/"/g' tasks.jsonl

3.3 坑三：路径中含空格或特殊符号未转义

现象：prompt_audio路径存在但报“file not found”。
原因：路径如/root/GLM-TTS/examples/prompt/张三_录音 2024.wav中的空格未被转义，Shell解析时截断为/root/GLM-TTS/examples/prompt/张三_录音。
修复：

最佳实践：路径中彻底避免空格、括号、&、$等符号，用下划线_替代空格，如zhangsan_recording_2024.wav
次选方案：若必须用，需在JSON字符串内用\\双反斜杠转义空格（注意是两个反斜杠）："prompt_audio": "/root/GLM-TTS/examples/prompt/张三_录音\\ 2024.wav"

3.4 坑四：最后一行多了换行符，导致空任务

现象：任务数显示101行，但第101行生成空wav文件。
原因：JSONL文件末尾多了一个空行，程序将其解析为一个空JSON对象{}。
修复：

用VS Code打开 →Ctrl+Shift+P→ 输入Trim Trailing Whitespace→ 回车
或命令行：sed -i ':a;N;$!ba;s/\n$//' tasks.jsonl

3.5 坑五：音频采样率不匹配，生成杂音

现象：音频能生成，但播放时有明显电流声或失真。
原因：GLM-TTS要求参考音频为16-bit PCM, 单声道, 16kHz或22.05kHz采样率。手机直录的MP3（44.1kHz）或会议录音（8kHz）均不兼容。
修复：

用ffmpeg批量重采样（在容器内执行）：

cd /root/GLM-TTS/examples/prompt/ for f in *.mp3; do ffmpeg -i "$f" -ar 16000 -ac 1 -acodec pcm_s16le "${f%.mp3}.wav"; done

验证：ffprobe -v quiet -show_entries stream=sample_rate,channels,codec_name -of default output.wav

4. 从0到1：一份可直接运行的JSONL生成脚本

手动写100行JSONL？不现实。下面这个Python脚本，帮你把Excel表格（含audio_path、text、output_name列）一键转为合规JSONL：

# save as generate_tasks.py import pandas as pd import json # 读取Excel（确保第一行为列名：audio_path, text, output_name） df = pd.read_excel("tts_tasks.xlsx") tasks = [] for _, row in df.iterrows(): task = { "prompt_audio": row["audio_path"], # 必须是容器内绝对路径 "input_text": str(row["text"]).strip(), "output_name": str(row["output_name"]).strip() } # 若Excel中有prompt_text列，则加入 if "prompt_text" in row and pd.notna(row["prompt_text"]): task["prompt_text"] = str(row["prompt_text"]).strip() tasks.append(task) # 写入JSONL（关键：ensure_ascii=False 保留中文，lines=True 保证每行一个JSON） with open("tasks.jsonl", "w", encoding="utf-8") as f: for task in tasks: f.write(json.dumps(task, ensure_ascii=False) + "\n") print(" JSONL生成完成！共", len(tasks), "行任务。")

使用流程：

准备/root/GLM-TTS/tts_tasks.xlsx，列名为audio_path（绝对路径）、text、output_name
进入容器：docker exec -it glm-tts-container bash
运行：python /root/GLM-TTS/generate_tasks.py
得到/root/GLM-TTS/tasks.jsonl，直接上传至WebUI批量页

脚本优势：自动处理中文、空值、换行符，生成的JSONL经100%验证可被GLM-TTS识别。

5. 批量任务的进阶控制：不止于基础字段

当业务需求变复杂，仅靠4个字段不够？GLM-TTS预留了扩展空间：

5.1 用`output_dir`指定专属输出目录（覆盖全局设置）

默认所有批量音频存入@outputs/batch/。若需按项目隔离，可在每行JSON中添加：

{ "prompt_audio": "/root/GLM-TTS/examples/prompt/teacher_male.wav", "input_text": "欢迎收听《AI前沿》播客。", "output_name": "podcast_intro", "output_dir": "/root/GLM-TTS/@outputs/podcast_v1/" }

生成文件路径即为/root/GLM-TTS/@outputs/podcast_v1/podcast_intro.wav。
注意：output_dir必须是容器内已有目录，且需有写入权限（chmod 777）。

5.2 用`seed`固定随机种子，确保结果可复现

批量任务中，若需多次重跑并保证音频完全一致（如A/B测试），添加seed字段：

{ "prompt_audio": "/root/GLM-TTS/examples/prompt/teacher_male.wav", "input_text": "本次更新包含三项优化。", "output_name": "changelog_zh", "seed": 12345 }

5.3 用`sample_rate`为每条任务单独设采样率

全局设24kHz，但某条广告语需最高保真，可单独指定：

{ "prompt_audio": "/root/GLM-TTS/examples/prompt/voiceover_pro.wav", "input_text": "智谱AI，让大模型触手可及。", "output_name": "ad_voiceover_highres", "sample_rate": 32000 }

提示：sample_rate值只能是24000或32000，填其他值将回退至默认24000。

6. 效果验证与问题定位：三步快速诊断

批量任务跑完，发现部分音频异常？按此顺序排查：

6.1 第一步：看ZIP包内文件名与数量

下载batch_results.zip后，解压检查：

文件名是否与output_name完全一致？
文件数量是否等于JSONL行数？（少于行数=某行解析失败）
.wav文件大小是否均＞100KB？（＜50KB大概率为空文件或编码失败）

6.2 第二步：查WebUI底部日志面板

切换到「批量推理」页，滚动到底部日志区：

搜索ERROR或Exception，定位具体哪一行失败及原因（如FileNotFoundError: /xxx.wav）
搜索Success，确认成功任务的索引号，与JSONL行号对照

6.3 第三步：用`ffprobe`验证音频基础属性

进入容器，对异常文件执行：

ffprobe -v quiet -show_entries stream=sample_rate,channels,codec_name,duration -of default @outputs/batch/abnormal.wav

若duration=N/A→ 音频损坏，需检查参考音频质量
若sample_rate=0→ 采样率参数错误，检查JSONL中sample_rate值
若codec_name=pcm_s16le且duration正常 → 音频本身无问题，问题在播放设备或格式兼容性

7. 总结：写JSONL不是填表，而是与模型对话

回顾全文，你掌握的不仅是JSONL语法，更是与GLM-TTS批量引擎建立可靠通信的完整方法论：

路径即信任：prompt_audio的绝对路径，是你向模型承诺“音源在此”的契约；
文本即意图：input_text的标点与长度，是你向模型传递“如何说”的明确指令；
字段即接口：prompt_text、output_name、seed等，是模型为你开放的精准控制旋钮；
格式即协议：JSONL的LF换行、UTF-8编码、无BOM头，是人机间不容妥协的通信协议。

批量生成的本质，从来不是“一次点更多”，而是用结构化数据，把人的意图，无损地翻译给机器执行。当你写出第一份零报错的JSONL，你就已经跨过了TTS工程化的真正门槛。

--- > **获取更多AI镜像** > > 想探索更多AI镜像和应用场景？访问 [CSDN星图镜像广场](https://ai.csdn.net/?utm_source=mirror_blog_end)，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

批量生成音频？GLM-TTS的JSONL任务文件这样写