Sesame CSM TTS
A 1B conversational speech model that captures natural dialogue timing, turn-taking, and backchannel responses.
Τυλίξτε το κείμενο σας σε ετικέτες EEML για τον ακριβή έλεγχο:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Ετικέτες το επιλεγμένο μοντέλο καταλαβαίνει □ κάντε κλικ για να ρίξετε ένα στο κείμενο σας όπου συμβαίνει:
Αυτό το μοντέλο διαβάζει απλό κείμενο, έτσι οι ετικέτες inline αγνοούνται. Για tag-based συναίσθημα, μεταβείτε σε ένα εκφραστικό μοντέλο όπως ο Ορφέας ή Bark.
Define custom προφορές (word = εκφώνηση):
Σχετικά 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.
Το καλύτερο για: AI assistants, chatbots, conversational AI applications
Περιήγηση σε όλα Sesame CSM φωνέςΜε μια ματιά.
- Προγραμματιστής
- Sesame
- Άδεια
- Apache 2.0
- Βαθμίδα
- premium
- Ταχύτητα
- slow
- Κλωνοποίηση φωνής
- Όχι.
- Γλώσσες
- English
- Μεγ. χαρακτήρες
- 500