與 AI 語音助手聊天時，總感覺哪裏怪怪的。它們對問題應答自如，可就是少了點「人味」。語調呆板、停頓突兀，時不時還在莫名其妙的地方卡頓，這種似人非人的違和感，其實就是「恐怖谷效應」在作祟。當 AI 語音與人類語音相似度頗高卻又未達到完美一致時，用户便會感到不適。

近期，由 Sesame 團隊推出的語音生成模型 CSM (Conversational Speech Model) 在眾多語音模型中脱穎而出。該模型採用 Llama 主幹架構和輕量級音頻解碼器，結合端到端 Transformer 框架，能夠根據文本和音頻輸入生成 RVQ 音頻代碼，進而輸出流暢自然、飽含情感的語音， 打造出可以帶給用户情感需求的語音助手。

相比傳統 AI 語音生成模型，CSM 的功能遠不止是簡單的生成音頻：

*更強的情感理解能力： 能夠深入剖析語境，並靈活的調整語氣、聲調。

*更自然的對話節奏： 對停頓、強調、打斷等細節進行精細優化，讓交談更流暢。

*幾乎零延遲的體驗： 高效的推理架構，讓語音生成更接近實時，提升交互效率。

「CSM 對話語音生成模型 Demo」教程現已上線至 OpenBayes 公共教程板塊，快來一探究竟！

教程地址：

https://go.openbayes.com/iYjtf

Demo 運行

01 運行步驟

1. 登錄 http://OpenBayes.com，在「公共教程」頁面，選擇「CSM 雙人對話語音生成 Demo」。

2. 頁面跳轉後，點擊右上角「克隆」，將該教程克隆至自己的容器中。

3.選擇「NVIDIA RTX 4090」以及「PyTorch」鏡像，點擊「繼續執行」。

OpenBayes 提供了 4 種計費方式，大家可以按照需求選擇「按量付費」或「包日/周/月」，新用户使用下方邀請鏈接註冊，可獲得 4 小時 RTX 4090 + 5 小時 CPU 的免費時長！

小貝總專屬邀請鏈接（直接複製到瀏覽器打開）：

https://go.openbayes.com/9S6Dr

4. 等待分配資源，首次克隆需等待約 2 分鐘左右的時間。當狀態變為「運行中」後，點擊「API 地址」旁邊的跳轉箭頭，即可跳轉至 Demo 頁面。由於模型較大，需等待約 3 分鐘顯示 WebUI 界面，否則將顯示「Bad Gateway」。請注意，用户需在實名認證後才能使用 API 地址訪問功能。

02 效果展示

選擇或上傳個人音頻，輸入對話內容，點擊「Generate conversation」即可生成對話。

*默認情況下，將由 Speaker A 開啓首輪發言，隨後 Speaker A 與 Speaker B 交替進行對話交流（目前僅支持英文內容生成）。

新用户福利

註冊福利： 點擊下方邀請鏈接註冊，即可獲得 4 小時 RTX 4090 + 5 小時 CPU 的免費算力時長，永久有效！

小貝總專屬邀請鏈接（直接複製到瀏覽器打開）：

https://go.openbayes.com/9S6Dr