💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
语音恐怖谷指AI合成语音接近人类但仍显不自然，导致用户不适。Sesame推出的语音助手Maya通过情感智能和高保真技术克服了这一挑战。其开源模型CSM-1B可生成多种声音，但缺乏安全防护措施，需谨慎使用。
🎯
关键要点
- 语音恐怖谷是指AI合成语音接近人类但仍显不自然，导致用户不适。
- AI语音助手是当前技术发展的重点领域。
- 语音助手的对话流畅性和情感表达是用户体验的重要因素。
- Sesame推出的语音助手Maya通过情感智能和高保真技术克服了语音恐怖谷效应。
- Sesame开源了基础模型CSM-1B，支持商业用途，但缺乏安全防护措施。
- CSM-1B使用了Meta的Llama系列模型作为骨干架构，能够生成多种声音。
- Sesame未透露CSM-1B的训练数据来源，且模型对非英语语言表现不佳。
- 消费者报告警告市场上AI语音克隆工具缺乏有效的防范措施。
- Sesame由多位创意人才领导，专注于自然对话的语音伙伴及相关设备的开发。
- Sesame还在研发可全天佩戴的AI眼镜原型，搭载自主开发的定制模型。
❓
延伸问答
什么是语音恐怖谷效应？
语音恐怖谷效应是指AI合成语音接近人类但仍显不自然，导致用户不适的现象。
Sesame的Maya语音助手如何克服语音恐怖谷？
Maya通过情感智能、上下文记忆和高保真语音生成技术，成功克服了语音恐怖谷效应。
CSM-1B模型的主要特点是什么？
CSM-1B模型拥有10亿参数，采用Apache 2.0许可证，支持商业用途，并能生成多种声音。
Sesame在开发Maya时使用了什么技术？
Sesame使用了Meta的Llama系列模型作为CSM-1B的骨干架构，并搭配音频解码器组件。
CSM-1B模型在非英语语言上的表现如何？
CSM-1B模型对非英语语言的表现不佳，可能受到训练数据污染的影响。
Sesame对CSM-1B模型的安全性有何说明？
Sesame表示CSM-1B模型缺乏真正的安全防护措施，仅敦促用户不要滥用该模型。
➡️
