Sesame CSM

Sesame CSM

Sesame 的 1B 对话语音模型的浏览器演示，可根据文字和音频输入生成语音。用于研究和教育，严禁冒充和欺骗。

由 sesame 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是 Sesame 的对话语音模型 CSM 的浏览器演示，规模为 1B。这个模型以文字和音频作为输入并生成语音。底层是一个 Llama 骨干加上一个较小的音频解码器。作者发布它是为了研究和教育。

适合谁：如果你想听听对话语音模型并了解它的构造，它很适合研究者、学生和开发者，也适合想在使用规则内试试生成语音的创作者。

行业 | 谁在用 | 怎么用 | 例子
研究 | 语音研究者 | 听模型的输出并研究它的设计 | 对比对话提示和朗读提示
教育 | 学生和老师 | 了解语音生成模型怎样工作 | 在课堂上播放生成的语音
软件 | 开发者 | 阅读应用和生成器代码 | 打开 generator.py 和 models.py
媒体 | 创作者 | 试用生成的语音做草稿 | 听一句短话被说出来

如果你想复制真人的声音，可以跳过它，因为作者禁止未经同意模仿真人。

用在哪里：

• 网页浏览器：打开 Hugging Face 上的 Space 页面
• Windows、macOS 或 Linux：用 Python 运行一份副本

用途 | 谁用 | 得到什么
生成语音 | 创作者和研究者 | 由你的文字和可选音频输入生成的音频
研究模型 | 开发者 | 生成器和模型的代码
使用示例提示 | 新手 | 仓库里自带的对话和朗读提示

如何设置：在线页面什么都不需要。本地副本需要 Python 和 requirements.txt 里的包。

• 在线演示需要网页浏览器
• 本地副本需要 Python
• requirements.txt 里列出的包

1. 想在线使用，打开 Hugging Face 上的 Space 页面。
2. 想运行副本，先安装 Hugging Face hub 包。
3. 把 Space 下载到本地文件夹。
4. 进入该文件夹，安装 Gradio 5.20.0 和列出的包。
5. 启动应用。

pip install -U huggingface_hub
hf download sesame/csm-1b --repo-type space --local-dir csm-1b
cd csm-1b
pip install gradio==5.20.0
pip install -r requirements.txt
python app.py

如何使用：在应用所在文件夹启动它，或者直接打开在线 Space。输入你想朗读的文字，如果页面提供就添加音频上下文，然后生成。页面随后会播放结果。仓库里有提示音频可以试。

python app.py

示例：你输入一句简短的对话，选一个示例提示。页面返回这句话以自然的对话风格说出来的音频，你可以回放。

新手与专家：如果你是新手，用一个示例提示试一句短话。听结果是评判它的最好办法。

如果你熟悉这个领域，模型根据文字和音频输入输出残差向量量化的音频码。一个 Llama 骨干把结果交给一个较小的音频解码器，解码器为 Mimi 音频编解码器生成码。这个 Space 点名了 Llama 3.2 1B 模型和 CSM 1B 检查点。仓库里有一个叫 watermarking.py 的文件。

你输入文字和可选音频
Llama 骨干处理输入
小解码器生成 Mimi 音频码
这些码变成可播放的音频

注意事项：项目禁止三类用途，作者说明对任何滥用概不负责。示例提示来自两个公开的语音数据集，一个是对话，一个是朗读。

• License: apache-2
• Cost to run: 未提及
• Data it reaches: 你提供的文字和音频，以及仓库里的示例提示
• Not for: 未经同意复制真人的声音、假新闻或欺诈电话，或任何违法有害的用途

Hugging Face 上的数据（2026年11月13日）

• 点赞：868
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/sesame/csm-1b
• 文件：https://huggingface.co/spaces/sesame/csm-1b/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。