AIbase

CSM 1B
CSM 1B
该模型适合需要高质量语音合成的研究人员、开发者以及教育工作者。它能够为语音交互应用、语音合成研究和教育场景提供技术支持。
语音生成AI模型#语音合成#文本到语音#多说话人#开源模型普通产品开源
总访问量： 25,296,546
占比最多地区： US(17.94%)
2,568
产品介绍
网站流量
同类开源产品
替代品
简介
CSM 1B 是一个基于 Llama 架构的语音生成模型，能够从文本和音频输入中生成 RVQ 音频代码。该模型主要应用于语音合成领域，具有高质量的语音生成能力。其优势在于能够处理多说话人的对话场景，并通过上下文信息生成自然流畅的语音。该模型开源，旨在为研究和教育目的提供支持，但明确禁止用于冒充、欺诈或非法活动。
截图
产品特色
支持从文本生成高质量语音
可处理多说话人的对话场景
通过上下文信息生成更自然的语音
开源模型，便于研究和教育使用
支持多种语言（但非英语效果可能不佳）
使用教程
1. 克隆模型仓库：`git clone git@github.com:SesameAILabs/csm.git`
2. 设置虚拟环境并安装依赖：`python3.10 -m venv .venv` 和 `pip install -r requirements.txt`
3. 下载模型文件：`hf_hub_download(repo_id="sesame/csm-1b", filename="ckpt.pt")`
4. 加载模型并生成语音：调用 `load_csm_1b` 和 `generate` 方法生成音频
5. 保存生成的音频：使用 `torchaudio.save` 保存音频文件
流量来源
直接访问48.39%外链引荐35.85%邮件0.03%
自然搜索12.76%社交媒体2.96%展示广告0.02%
最新流量情况
月访问量
25296.55k
平均访问时长
285.77
每次访问页数
5.83
跳出率
43.31%
总流量趋势图
地理流量分布情况
美国
17.94%
中国
17.08%
印度
8.40%
俄罗斯
4.58%
日本
3.42%
地理流量分布全球图
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k