Sesame CSM TTS
A 1B conversational speech model that captures natural dialogue timing, turn-taking, and backchannel responses.
Întoarceți textul în etichetele SSML pentru un control precis:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Etichetele modelului selectat înțeleg — click pentru a lăsa unul în textul tău unde se întâmplă:
Acest model citește textul simplu, astfel încât etichetele inline sunt ignorate. Pentru emoții bazate pe tag, schimbați la un model expresiv cum ar fi Orpheus sau Bark.
Definiți pronunțiare personalizată (cuvânt = pronunție):
Despre 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.
Cel mai bun pentru: AI assistants, chatbots, conversational AI applications
Navigați toate Sesame CSM vociLa o privire
- Dezvoltator
- Sesame
- Licență
- Apache 2.0
- Nivel
- premium
- Viteză
- slow
- Clonarea vocală
- Nu.
- Limbi
- English
- Caractere maxime
- 500