根據 AIbase 報導，Sesame公司推出其最新語音合成模型CSM，該模型採用端到端基於Transformer的多模態學習架構，能夠理解上下文資訊，生成自然且富有情感的語音。
CSM模型支持即時語音生成，可處理文本和音訊輸入，用戶還能通過調整參數控制語氣、語調、節奏及情感等特性，展現高度靈活性。
目前，CSM主要針對英語訓練，表現優異，但在多語言支持上仍有限制。
目前其不支持中文，但期待未來擴展。
本文為品玩授權刊登，原文標題為「Sesame發佈CSM模型：實時情感定制 AI語音合成邁向新高度」