Sesame CSM TTS
A 1B conversational speech model that captures natural dialogue timing, turn-taking, and backchannel responses.
Verpacken Sie Ihren Text in SSML-Tags für eine präzise Kontrolle:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags, die das ausgewählte Modell versteht — klicken Sie, um einen in Ihren Text zu legen, wo es passiert:
Dieses Modell liest Text, so dass Inline-Tags ignoriert werden. Für tag-basierte Emotion, wechseln Sie zu einem ausdrucksstarken Modell wie Orpheus oder Bark.
Benutzerdefinierte Aussprachen definieren (Wort = Aussprache):
Über 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.
Das Beste für: AI assistants, chatbots, conversational AI applications
Alle durchsuchen Sesame CSM StimmenAuf einen Blick
- Entwickler
- Sesame
- Lizenz
- Apache 2.0
- Tierart
- premium
- Geschwindigkeit
- slow
- Klonen der Stimme
- Nein
- Sprachen
- English
- Maximale Zeichen
- 500