Sesame CSM ТТС
A 1B conversational speech model that captures natural dialogue timing, turn-taking, and backchannel responses.
Опаковка на вашия текст в SSML тагове за точен контрол:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Етикети избрания модел разбира — кликнете за да пуснете един в вашия текст, където се случва:
Този модел чете обикновен текст, така че в линия тагове се пренебрегват. За емоции, базирани на таг, превключете на експресивен модел като Orpheus или Bark.
Определяне на своите изговори (слово = произношение):
За 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.
Най-добро за: AI assistants, chatbots, conversational AI applications
Преглед на всички Sesame CSM гласовеНа един поглед.
- Разработчик
- Sesame
- Лиценз
- Apache 2.0
- Ниво на равнището
- premium
- Скорост
- slow
- Гласово клониране
- Не.
- Езици
- English
- Макс. символи
- 500