Sesame CSM ТТС
A 1B conversational speech model that captures natural dialogue timing, turn-taking, and backchannel responses.
Захоўваць тэкст у тэгах SSML для дакладнага кантролю:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Тэгі, якія разумее выбраная мадэль - націсніце, каб перанесці іх у тэкст:
Гэтая мадэль чытае звычайны тэкст, таму ўбудаваныя тэгі ігнаруюцца. Для эмоцый, заснаваных на тэгах, пераключыцеся на мадэлі выразнасці, такія як Orpheus або Bark.
Вызначыць уласнае вымаўленне (слова = вымаўленне):
Пра Sesame CSM
Sesame CSM (Conversational Speech Model) is a 1-billion-parameter model from Sesame designed specifically for the rhythms of human conversation. Built on a Llama backbone paired with an audio codec, it models turn-taking timing, backchannel responses (the small acknowledgements people make while listening), emotional reactions, and overall conversational flow. The result reads less like read-aloud text and more like a real spoken exchange. It is a natural fit for AI assistants, chatbots, and conversational interfaces where the goal is speech that feels responsive and human. CSM is released under Apache 2.0, and access on TTS.ai requires a Hugging Face token at the model level.
Лепшы для: AI assistants, chatbots, conversational AI applications
Прагляд усіх Sesame CSM галасыКароткае апісанне
- Распрацоўшчык
- Sesame
- Ліцэнзія
- Apache 2.0
- Стварыць
- premium
- Хуткасць
- slow
- Клонаванне голасу
- Не
- Мовы
- English
- Найбольшая колькасць знакаў
- 500