Sesame CSM TTS
A 1B conversational speech model that captures natural dialogue timing, turn-taking, and backchannel responses.
Rrotullo tekstin në etiketa SSML për kontroll të saktë:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags që modeli i zgjedhur i kupton - kliko për të vendosur një në tekstin tuaj ku ndodh:
Ky model lexon tekst të thjeshtë, kështu që etiketat e brendshme injorohen. Për emocione të bazuara në etiketa, kalo në një model shprehës si Orpheus ose Bark.
Përcakto përkthimin e personalizuar (fjalë = përkthim):
Për 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.
Më i miri për: AI assistants, chatbots, conversational AI applications
Shfleto gjithçka Sesame CSM zëraMe një sy
- Programues
- Sesame
- Liçenca
- Apache 2.0
- Animal
- premium
- Shpejtësia
- slow
- Klonimi i zërit
- Jo.
- Gjuhë
- English
- Maksimumi i gërmave
- 500