Sesame CSM ТТС
A 1B conversational speech model that captures natural dialogue timing, turn-taking, and backchannel responses.
Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Дефинирај ги сопствените изговори (слов = изговор):
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.
Најдобро за: AI assistants, chatbots, conversational AI applications
Прелистувај ги сите Sesame CSM гласовиНа еден поглед
- Развивач
- Sesame
- Лиценца
- Apache 2.0
- Ниво
- premium
- Брзина
- slow
- Гласовно клонирање
- Не.
- Јазици
- English
- Макс. знаци
- 500