Sesame CSM

Sesame CSM टीएसटी

A 1B conversational speech model that captures natural dialogue timing, turn-taking, and backchannel responses.

ऊपर हस्ताक्षर करें 5,000 अक्षर सीमा के लिए

अस्थायी नियंत्रण के लिए एसएसएमएल टैग में अपने पाठ को लपेटें:

<speak><prosody rate="slow">Slow speech</prosody></speak>

चुने गए मॉडल को समझने के लिए टैग - पर क्लिक करें जहाँ हो वहाँ किसी को छोड़ा जाए:

यह मॉडल सादा पाठ पढ़ता है, तो इनलाइन टैग नज़रअंदाज़ किया जाता है. टैग आधारित भावना के लिए, ओरे-हिक मॉडल या बारक में स्विच करता है.

मनपसंद उच्चारण पारिभाषित करें (नाम = उच्चारण):

-12 +12
0.5x 2.0x
पाइप, VITS, मेरोच के साथ मुक्त
आपका उत्पन्न ऑडियो यहाँ प्रकट होगा. कोई मॉडल चुनें, पाठ भरें, और क्लिक करें.
ऑडियो सफलतापूर्वक बनाया गया
0:00
ऑडियो डाउनलोड करें डाउनलोड लिंक का समय 24h में
फ्री टाई: निजी इस्तेमाल । $5/मो से व्यावसायिक लाइसेंस
मुक्त अक्षरों पर कम चला रहा है हर महीने 200के अक्षर लाएँ — $5/मो या एक बार 100के पैक
अपनी आवाज़ इस तरह बुझाइए 30 सेकंड में एक आवाज क्लोन करें
अपने दोस्तों को बताइए!

के बारे में 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.

के लिए उत्तम: AI assistants, chatbots, conversational AI applications

सभी ब्राउज़ करें Sesame CSM आवाज़

एक नज़र

डेवलपर
Sesame
लाइसेंस
Apache 2.0
टीयर
premium
गति
slow
आवाज कहीं नहीं
नहीं
भाषाएँ
English
अधिकतम अक्षर
500

Sesame CSM आवाज़

Speaker 0

English
प्रीमियम Neutral

Speaker 1

English
प्रीमियम Neutral

Sesame CSM टीएस — प्रयोग कर रहा है

Conversational speech. It models the natural patterns of dialogue — turn-taking timing, backchannel responses, and emotional reactions — so generated audio sounds like a real conversation rather than synthetic narration.

It is a 1-billion-parameter model built on a Llama backbone with an audio codec for waveform generation.

AI assistants, chatbots, and other conversational applications where responsive, human-sounding speech matters more than long-form narration.
← सभी आवाज