Speaker 1
ፕሪሚየም
እንግሊዝኛ
Neutral
Sesame CSM
Sesame CSM
Speaker 1 በSesame CSM ጽሑፍ-ወደ-ንግግር ሞዴል የተደገፈ የ neutral AI ድምፅ ነው. ይህ የፕሪሚየም ደረጃ ድምፅ እንግሊዝኛ ይናገራል እና ስታዲየም-quality የንግግር ማቀነባበሪያን ይሰጣል. በ ዝቅተኛ ግን ከፍተኛ-እውቀት የፍጥነት ፍጥነት እና በ 5/5 ጥራት ደረጃ Speaker 1 ለ ai assistants, chatbots, conversational ai applications ተስማሚ ነው የ Sesame CSM ማሽን በ Sesame under the Apache 2.0 license የተገነባ ሲሆን ለኮሜርሺያል ጥቅም ደህንነቱ የተጠበቀ ነው። የዋና ችሎታዎችን ያካትታል: conversational, natural timing, turn-taking, backchannel, 1b parameters.
ደረጃ አልተሰጠም
የሞዴል መረጃ
| ሞዴል | Sesame CSM |
| አዘጋጅ | Sesame |
| ጥራት | |
| ፍጥነት | ረጅም |
| ፈቃድ | Apache 2.0 |
| መተላለፊያ | አልተገኘም |
| ዐምድ | ፊደል(ሎች) |
| መለኪያዎች | 1B |
| አርክቴክቸር | Llama Backbone + Audio Codec |
| ዓመት | 2025 |
ምርጥ የጠቀሙበት ሁኔታዎች Speaker 1
የድምፅ ባህሪያትን በመመርኮዝ የተመረጡ ፕሮግራሞች
የድምፅ መጽሐፍት
Speaker 1ን በመጠቀም ረዥም የሆኑትን ይዘቶች በነፃነት ለመግለጽ ይጠቀሙ
የቪዲዮ ድምፅ
የዩቲዩብ ቪዲዮዎች፣ ማስታወቂያዎች እና ማህበራዊ ሚዲያ ይዘት ላይ የሙያ መዝገበ ቃላትን ጨምር።
ብሮድካስት
የስታዲዮ ጥራት ምርት ለፖድካስት, ሬዲዮ, እና ሙያ ብሮድካስቲንግ ተስማሚ ነው.
ጨዋታዎችና ተለዋዋጭ መገናኛዎች
ለጨዋታ ውይይት፣ ለተገናኝ ታሪኮች፣ እና ለተጨባጭ ተሞክሮዎች ከፍተኛ ጥራት ያለው
ብዙ ጊዜ የሚጠየቁ ጥያቄዎች
ሴሴም ሲኤስኤም (የንግግር ሞዴል) ለንግግር ንግግር ለመፍጠር የተቀየሰ የ1 ቢሊዮን ፓራሜትር ሞዴል ነው. የሰው ንግግርን ተፈጥሯዊ ቅርጾች ያሳያል፣ የጊዜ ዑደት፣ የኋላ ቻናል መልሶች፣ ስሜታዊ መልሶች፣ እና የንግግር ፍሰት ጨምሮ. ሲኤስኤም ከቀረጻ ንግግር ይልቅ እንደ ተፈጥሯዊ የሰው ንግግር የሚሰማ ድምፅ ያወጣል.
ሴሴም ሲኤስኤም በሴሴም የተፈጠረ ሲሆን በአፓቺ 2.0 ፈቃድ ስር ይወጣል፣ ይህም የፈጠረውን ድምፅ ለኮሜርሺያል ጥቅም የሚፈቅድ ነው።
ሴሴም ሲኤስኤም 1 ቋንቋን ይደግፋል: አማርኛ
ሴሴም ሲኤስኤም በፕሪሚየም ደረጃ ላይ ነው - ለ 1,000 አሃዞች 4 ክሬዲቶች. ማንኛውንም ሴሴም ሲኤስኤም ድምፅ በነፃ ከመፍጠርዎ በፊት ማየት ይችላሉ።
ሴሴማ CSM ዝቅተኛ (የመጀመሪያ ደረጃ ጥራት) የፍጥነት ፍጥነት አለው. በፍጥነት ረጅም ጊዜ ይወስዳል ነገር ግን ከፍተኛ ፍጥነት ያለው ውጤት ያወጣል.
ሴሴም ሲኤስኤም በTTS.ai ላይ ለድምፅ ጥራት 5/5 ተቆጥሯል። ስቱዲዮ-ደረጃ፣ ሰው-እንደ-ንግግር ይሰጣል።
አይደለም፣ ሴሴም CSM የውስጥ ድምጾችን ቀጥተኛ ስብስብ ይጠቀማል። የድምፅ ክሎኒንግን ለመጠቀም እንደ ኮሲቮይስ 2፣ ጂፒቲ-ሶቪትስ ወይም ቻተርቦክስ ያሉ ሞዴሎችን ይሞክሩ።
አዎ, Sesame CSM ለ AI ረዳቶች, Chatbots, conversational AI applications ልዩ ልዩ ጠቃሚ ምክሮችን ይሰጣል. conversational, natural timing, turn-taking capabilities make it an excellent choice for this use case.
አዎ፣ ሴሴም ሲኤስኤም በአፓቺ 2.0 ስር ነው የተፈቀደው፣ ይህም የኮሜርሺያል ጥቅም ያስችላል። በሴሴም ሲኤስኤም ድምጾች የተፈጠረው ድምፅ በቪዲዮዎች፣ በፖድካስቶች፣ በአፕሊኬሽኖች፣ በጨዋታዎች፣ እና በሌላ የኮሜርሺያል ፕሮጀክት ሊጠቀም ይችላል።
አዎ፣ በTTS.ai ላይ ያሉት ድምጾች ሁሉ የኮሜርሺያል-ላይሴንስ የተሰጣቸውን የኦፕን-ሶርስ ሞዴሎችን (MIT, Apache 2.0) ይጠቀማሉ፡፡ የተፈጠረው ድምፅ በቪዲዮዎች፣ በፖድካስቶች፣ በአፕሊኬሽኖች፣ በጨዋታዎችና በሌሎችም የኮሜርሺያል ፕሮግራሞች ውስጥ ለመጠቀም የእርስዎ ነው
የ POST ጥያቄን ወደ /api/v1/tts/ በሞዴል ስም እና የድምፅ ID ይላኩ. በፒታውን፣ ጃቫስክሪፕት፣ ጎ፣ እና በኩርል የኮድ ምሳሌዎች የ API ማስረጃ ገጽን ይመልከቱ።
አዎ፣ ምሳሌ ለማዳመጥ በእነዚህ ገጾች ላይ ያለውን መጫን ቁልፍ ጠቅ ያድርጉ። በጽሑፍ ወደ ንግግር ገጽ ላይ የግል ጽሑፍን መጻፍ እና በየትኛውም ድምፅ ነፃ ቅድመ ዕይታን ማምጣት ይችላሉ።