AI Voice - Sesame CSM-1B

ବାଣିଜ୍ୟିକ ବ୍ୟବହାର ଠିକ ଅଛି 581 ନମୂନାଗୁଡ଼ିକ କୌଣସି ପାନୀୟ ଚିହ୍ନ ନାହିଁ କୌଣସି ସଦସ୍ୟତା ଆବଶ୍ୟକ ନାହିଁ
ଆକାର:
+ GPT-5, Claude, Gemini
TTS engine ନିଜେ-ହୋଷ୍ଟ Apache 2.0
Sesame CSM-1B — Sesame CSM-1B - Apache 2.0. Conversational Speech Model designed for low-latency, real-time voice. 24 kHz output, sounds best with a short reference-audio context turn. Self-hosted on Free.ai for the /voice/realtime/ tool.
0 ଅକ୍ଷର ~0 ଟୋକନଗୁଡ଼ିକ
ଅକ୍ଷର ଗଣନା ସହିତ ଖର୍ଚ୍ଚ ମାପ
ଭାଷଣ ସୃଷ୍ଟି କରୁଅଛି...

କଣ କରେ Sesame CSM-1B ଏହା କିପରି ଶୁଭେ?

Sesame CSM-1B - Apache 2.0. Conversational Speech Model designed for low-latency, real-time voice. 24 kHz output, sounds best with a short reference-audio context turn. Self-hosted on Free.ai for the /voice/realtime/ tool.

ଉପର ବାକ୍ସକୁ ଏହି ସହିତ ଚେଷ୍ଟାକରନ୍ତୁ: ହଲଲୋ, ମୋର ନାମ ସାମ୍, ଏବଂ ମୁଁ ଏହି ନମୁନାକୁ ଧ୍ୱନି ପ୍ରଦର୍ଶନ କରିବା ପାଇଁ ପଢୁଅଛି। - ଏହା ଏକ ଧାର୍ମିକ TTS ପ୍ରଦର୍ଶନ ବାକ୍ୟ।

କେଉଁ ସମୟରେ ବ୍ୟବହାର କରିବା Sesame CSM-1B

ଧ୍ୱନି ପୁସ୍ତକଗୁଡ଼ିକ

ନିରନ୍ତର ଧ୍ୱନି ସହିତ ଲମ୍ବା-ଫର୍ମ ବର୍ଣ୍ଣନା। ଗୋଟିଏ ସମୟରେ ଗୋଟିଏ ଅଧ୍ୟାୟକୁ ଲଗାନ୍ତୁ, WAV କିମ୍ବା MP3 ଭାବରେ ଆହରଣ କରନ୍ତୁ, ଏବଂ ବାହ୍ୟ ଭାବରେ ଷ୍ଟିଚ କରନ୍ତୁ।

ପଡୋସ ପରିଚୟଗୁଡ଼ିକ

ସଂକ୍ଷିପ୍ତ ଖୋଲିବା ବମ୍ପର ଏବଂ ବିଜ୍ଞାପନ-ପଢ଼ା। ଶକ୍ତି ପାଇଁ ବେଗକୁ ସନ୍ତୁଳନ କରନ୍ତୁ, ଛୋଟ ଫାଇଲଗୁଡ଼ିକ ପାଇଁ MP3କୁ ଫର୍ମାଟ-ସ୍ୱିଚ କରନ୍ତୁ।

IVR + ଧ୍ୱନି ମେଲ

ଫୋନ-ତନ୍ତ୍ର ପ୍ରୋମୋଟରଗୁଡ଼ିକ। ଷ୍ଟୁଡିଓ-ଗୁଣମାନର ନିର୍ଗମ ବନ୍ଦ, ରେକର୍ଡ, କିମ୍ବା ସ୍ୱର ପ୍ରତିଭା ସହିତ NDAs ବିନା।

ସୁଗମତା

କମ୍ ଦୃଷ୍ଟିଶକ୍ତି ଏବଂ dyslexic ପାଠକମାନଙ୍କ ପାଇଁ ଲିଖିତ ବିଷୟବସ୍ତୁ ସହିତ ଧ୍ୱନିକୁ ଯୋଗ କରନ୍ତୁ। ଯେକୌଣସି ପୃଷ୍ଠାରେ ଡ୍ରପ-ଇନ କରନ୍ତୁ।

ଉଦାହରଣ ବାକ୍ୟଗୁଡିକ

"Welcome to the show, today we are exploring the future of AI."
"Your package has arrived. Please retrieve it from the front desk."
"Once upon a time, in a quiet village far away, lived a curious child."
"Press one for sales, two for support, or stay on the line for an agent."
"Breaking news: scientists have discovered a new species of deep-sea fish."
"Thank you for choosing us. We appreciate your business and look forward to serving you again."

ମୂଲ୍ୟ

ଆମ GPUs ଉପରେ ସ୍ୱୟଂ-ହୋଷ୍ଟ କରାଯାଇଛି। ପ୍ରଥମେ ଆପଣଙ୍କର ଦୈନିକ ମୁକ୍ତ ପୁଲରୁ ଉତ୍ପାଦନ ଆଙ୍କନ୍ତୁ; ଯେତେବେଳେ ତାହା ବନ୍ଦ ହୋଇଯାଏ, ପଇଠିତ ଟୋକନ ପ୍ୟାକ $5 → 200,000 ଟୋକନରୁ ଆରମ୍ଭ ହୋଇଥାଏ। ପ୍ରାୟ ~5 ଟୋକନ ପ୍ରତି ଅକ୍ଷର, ସର୍ବନିମ୍ନ 100 ପ୍ରତି କଲିପ।

ସମ୍ପୂର୍ଣ୍ଣ ଆକାର ସଂରଚନା → · ସମସ୍ତ TTS ଧ୍ୱନିଗୁଡ଼ିକୁ ଦେଖନ୍ତୁ → · 2ଟି ଧ୍ୱନିକୁ ପାର୍ଶ୍ୱ-ପ୍ରତି-ପାର୍ଶ୍ୱ ତୁଳନା କରନ୍ତୁ →

ଅଗ୍ରଗତି ବିକଳ୍ପଗୁଡ଼ିକ
ଫଳାଫଳ
ଟୋକନଗୁଡ଼ିକ କମ ହୋଇଯାଉଛି। ଅଧିକ ଟୋକନଗୁଡ଼ିକୁ ଗ୍ରହଣ କରନ୍ତୁ
ଭଲ ଫଳାଫଳ ଚାହୁଁଛନ୍ତି କି? ପ୍ରିମିଆ ମଡେଲଗୁଡ଼ିକ (GPT-5, Claude, Gemini) ଉଚ୍ଚ ଗୁଣବତ୍ତା ପ୍ରଦାନ କରିଥାଏ । ଯୋଜନାଗୁଡ଼ିକୁ ଦେଖନ୍ତୁ

❤️ Free.ai କୁ ଭଲପାଅ? ଆପଣଙ୍କ ବନ୍ଧୁମାନଙ୍କୁ କହିଦିଅନ୍ତୁ!

ରେଜିଷ୍ଟ୍ରେସନ କରନ୍ତୁ ଗୋଟିଏ ପରାମର୍ଶ ସଂଯୋଗ ପାଇବା ପାଇଁ ଏବଂ ପ୍ରତି ବନ୍ଧୁ ପାଇଁ 30,000 ଟୋକନ ଆୟ କରିବା ପାଇଁ ।

ଅଧିକ ଚାହୁଁଛନ୍ତି କି? ମୁକ୍ତ ଭାବେ ଯୋଗଦାନ କରନ୍ତୁ: 30,000 ଟୋକନ/ଦିନ
ମୁକ୍ତ ଭାବରେ ପଞ୍ଜିକୃତ ହୁଅନ୍ତୁ

ଆପଣଙ୍କର ଅନୁରୋଧକୁ କାର୍ଯ୍ୟକାରୀ କରୁଅଛି...

Sesame CSM-1B - Apache 2.0. Conversational Speech Model designed for low-latency, real-time voice. 24 kHz output, sounds best with a short reference-audio …

କିପରି ବ୍ୟବହାର କରାଯିବ AI Voice - Sesame CSM-1B

1
ଆପଣଙ୍କର ନିବେଶ ଭରଣ କରନ୍ତୁ

ପାଠ୍ୟ ଟାଇପ କରନ୍ତୁ, ଗୋଟିଏ ଫାଇଲକୁ ଅଧିବେଶନ କରନ୍ତୁ, କିମ୍ବା ଆପଣ ଯାହା ଚାହୁଁଛନ୍ତି ତାହା ବର୍ଣ୍ଣନା କରନ୍ତୁ। କୌଣସି ଖାତା ଆବଶ୍ୟକ ନାହିଁ।

2
ନିର୍ମାଣ କରନ୍ତୁ

ଆମର ଏଆଇ ଶ୍ରେଷ୍ଠ ମୁକ୍ତ ଉତ୍ସ ମଡେଲ ବ୍ୟବହାର କରି ଆପଣଙ୍କ ଅନୁରୋଧକୁ ସେକେଣ୍ଡରେ ପ୍ରକ୍ରିୟା କରିଥାଏ ।

3
ଆହରଣ କରନ୍ତୁ ଏବଂ ଭାଗିଦାରୀ କରନ୍ତୁ

ଆପଣଙ୍କର ଫଳାଫଳକୁ ଆହରଣ କରନ୍ତୁ, ନକଲ କରନ୍ତୁ, କିମ୍ବା ଅଂଶଗ୍ରହଣ କରନ୍ତୁ। ବ୍ୟକ୍ତିଗତ ଏବଂ ବାଣିଜ୍ୟିକ ଉପଯୋଗ ପାଇଁ ମୁକ୍ତ।

API ମାଧ୍ୟମରେ ଏହି ସାଧନକୁ ବ୍ୟବହାର କରନ୍ତୁ

ଏହି ସାଧନକୁ ଆପଣଙ୍କର ନିଜ କୋଡରୁ ସ୍ୱୟଂଚାଳିତ କରନ୍ତୁ। OpenAI-ସଂଗତିପୂର୍ଣ୍ଣ REST ଶେଷବିନ୍ଦୁ, Bearer-token auth, କୌଣସି ଅତିରିକ୍ତ SDK ଆବଶ୍ୟକ ନାହିଁ। ଟୋକନ ମୂଲ୍ୟ ୱେବ ଅନ୍ତରାପୃଷ୍ଠ ସହିତ ମେଳ ଖାଉଛି।

curl -X POST https://api.free.ai/v1/tts/ \
  -H "Authorization: Bearer sk-free-..." \
  -H "Content-Type: application/json" \
  -d '{"text": "Hello from Free.ai", "voice": "af_heart", "model": "kokoro"}'

AI Voice - Sesame CSM-1B - FAQ

Sesame CSM-1B ଭାଷାଗୁଡ଼ିକର ଏକ ବିଶାଳ ପରିସରକୁ ସମର୍ଥନ କରେ। ସଠିକ ତାଲିକା ଯନ୍ତ୍ର ଉପରେ ନିର୍ଭର କରେ; ଏହି ପୃଷ୍ଠାରେ ଥିବା ଫର୍ମ କୌଣସି ପାଠ୍ୟକୁ ଗ୍ରହଣ କରେ ଏବଂ ଯନ୍ତ୍ରଟି ଏହାର ସମର୍ଥିତ ଭାଷାରେ ରେଣ୍ଡର କରିବ। ଯଦି ଆପଣ ଗୋଟିଏ ନିର୍ଦ୍ଦିଷ୍ଟ ଭାଷାକୁ ଆବଶ୍ୟକ କରନ୍ତି ତେବେ ସମ୍ପୂର୍ଣ୍ଣ ବହୁମୂଖୀ ଯନ୍ତ୍ର ଚୟନକାରୀ ପାଇଁ /voice/ କୁ ଦେଖନ୍ତୁ।

ଅଧିକାଂଶ ଯନ୍ତ୍ର ପୂର୍ବନିର୍ଦ୍ଧାରିତ ଭାବରେ ତୃଣମୂଳ- ଆମେରିକୀୟ ଇଂରାଜୀ ଏବଂ ଅଣ- ଇଂରାଜୀ ଭାଷାଗୁଡ଼ିକ ପାଇଁ ଏକ କ୍ଷେତ୍ର- ଅନୁକୂଳ ଉଚ୍ଚାରଣକୁ ପ୍ରଦର୍ଶନ କରିଥାଏ । ପ୍ରିମିଆ ଯନ୍ତ୍ରଗୁଡ଼ିକ ଉଚ୍ଚାରଣ ବିକଳ୍ପଗୁଡ଼ିକୁ ପ୍ରଦର୍ଶନ କରିପାରେ - ତୁଳନା କରିବା ପାଇଁ ଗୋଟିଏ ନମୁନାକୁ ଲଗାନ୍ତୁ ।

SSML ସମର୍ଥନ ଯନ୍ତ୍ର ଦ୍ୱାରା ପରିବର୍ତ୍ତିତ ହୋଇଥାଏ । ବିରତି, ପ୍ରୋସୋଡି, ଏବଂ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଟ୍ୟାଗଗୁଡ଼ିକ ଅଧିକାଂଶ ପ୍ରିମିଆ ଯନ୍ତ୍ର ଏବଂ କିଛି ସ୍ୱୟଂ- ହୋଷ୍ଟ ହୋଇଥିବା ଉପରେ ସମ୍ମାନିତ ହୋଇଥାଏ । ସାଦା ପାଠ୍ୟ ସବୁବେଳେ କାମ କରେ - କୌଣସି ମାର୍କଅପ ଆବଶ୍ୟକ ନାହିଁ ।

/v1/tts/ API endpoint ମାଧ୍ୟମରେ stream=true ସହିତ ପ୍ରିମିଆ ଇଞ୍ଜିନଗୁଡ଼ିକରେ ପ୍ରବାହିତ TTS ଉପଲବ୍ଧ ଅଛି। ଏହି ପୃଷ୍ଠାରେ ୱେବ UI ଗୋଟିଏ ରେଣ୍ଡରିଂ ସମାପ୍ତ ହେବା ପରେ ସମ୍ପୂର୍ଣ୍ଣ କଲିପକୁ ଫେରାଇଥାଏ।

Sesame CSM-1B ଆମର ନିଜ GPUs ଉପରେ ଚାଲୁଛି। ଜନ୍ମ ପ୍ରଥମେ ଆପଣଙ୍କର ଦୈନିକ ମୁକ୍ତ ପୁଲରୁ ଆଣେ। ଏକଥର ଖାଲିହେବା ପରେ, ପଇସା ଦେଇ ଟୋକନଗୁଡ଼ିକ $5 → 200,000 ଟୋକନଗୁଡ଼ିକରେ ଆରମ୍ଭ ହୁଏ। ପାଖାପାଖି ~5 ଟୋକନ ପ୍ରତି ଅକ୍ଷର, ସର୍ବନିମ୍ନ 100 ପ୍ରତି କଲିପ।

ୱେବ UI ଉପରେ ପ୍ରତି ଅନୁରୋଧରେ 5,000 ଅକ୍ଷର ପର୍ଯ୍ୟନ୍ତ। ଲମ୍ବା ଅଂଶଗୁଡ଼ିକ ପାଇଁ (ଧ୍ୱନି ପୁସ୍ତକ, ସମ୍ପୂର୍ଣ୍ଣ ଅଧ୍ୟାୟଗୁଡ଼ିକ), /voice/audiobook/ କୁ ବ୍ୟବହାର କରନ୍ତୁ ଯାହାକି ସ୍ୱୟଂଚାଳିତ ଭାବରେ ଚୁମ୍ବକ ଏବଂ ଷ୍ଟିଚକୁ ବା API କୁ ଗୋଟିଏ ଲୁପରେ ଡାକନ୍ତୁ।

ହଁ - /v1/tts/batch/ କୁ ବାକ୍ୟଖଣ୍ଡଗୁଡ଼ିକର ଗୋଟିଏ ତାଲିକା POST କରନ୍ତୁ, କିମ୍ବା /workspace/ ରେ TTS କୁ ଲମ୍ବା ପାଇପଲାଇନରେ ଚେନ୍ କରିବା ପାଇଁ କାର୍ଯ୍ୟସ୍ଥଳ UI କୁ ବ୍ୟବହାର କରନ୍ତୁ (ଯେପରିକି, ଅନୁବାଦ କରନ୍ତୁ → କହିବା → ଷ୍ଟିଚ)।

ହଁ - /v1/tts/ କୁ POST ପାଠ୍ୟ ମଡେଲ="Sesame CSM-1B" ସହିତ (ଅଥବା ଏହି ପୃଷ୍ଠାରେ slug) । WAV କିମ୍ବା MP3 ଫେରାଇଥାଏ । ସମ୍ପୂର୍ଣ୍ଣ ସଂଯୋଗ + SDK ସ୍ନିପେଟଗୁଡ଼ିକ ପାଇଁ /api/ କୁ ଦେଖନ୍ତୁ ।

ଏହି ପୃଷ୍ଠାଟି ପାଠ୍ୟ-ରୁ-ବାକ୍ୟ, ସ୍ୱର କ୍ଲୋନିଂ ନୁହେଁ - ସ୍ୱର ଯନ୍ତ୍ରର ପୂର୍ବନିର୍ଦ୍ଧାରିତ। ସ୍ୱର କ୍ଲୋନିଂ ପାଇଁ (ସଂକେତ ଧ୍ୱନିକୁ ଅପଲୋଡ କରିବା), /voice/clone/କୁ ଦେଖନ୍ତୁ, ଯାହାକି ଆପଣଙ୍କୁ ବାକ୍ୟ ଅଧିକାରର ମାଲିକ କିମ୍ବା ସ୍ପଷ୍ଟ ଲିଖିତ ଅନୁମତି ଆବଶ୍ୟକ କରେ।

ସ୍ୱୟଂ-ହୋଷ୍ଟ ଇଞ୍ଜିନଗୁଡ଼ିକ Free.ai-ସମ୍ପାଦିତ GPUs ଉପରେ ଚଲାଇଥାଏ; ଆମ ସର୍ଭରଗୁଡ଼ିକରୁ କିଛି ବି ଛାଡିଯାଏ ନାହିଁ। ପ୍ରିମିଆ ଇଞ୍ଜିନଗୁଡ଼ିକ ପାଠ୍ୟକୁ ଆମ DPA ଅଧୀନରେ ଉପରମୁହାଣ ମଡେଲ ପ୍ରଦାନକାରୀମାନଙ୍କୁ ପଠାଇଥାଏ। ଆମେ ଆପଣଙ୍କର ନିବେଶ ଉପରେ ପ୍ରଶିକ୍ଷଣ କରୁନୁ ଏବଂ ତଥ୍ୟ ବିକ୍ରି କରୁନୁ।

ହଁ - Free.ai ଉତ୍ପନ୍ନ ଧ୍ୱନିର ବାଣିଜ୍ୟିକ ବ୍ୟବହାରକୁ ଅନୁମତି ଦେଇଥାଏ। ଇଞ୍ଜିନର ଆଧାର ଲାଇସେନ୍ସ (Apache 2.0, MIT, କିମ୍ବା ବିକ୍ରେତା ଶବ୍ଦଗୁଡ଼ିକ) ଉପର ଏବଂ ଆକାର ଅନୁସରଣ ପୃଷ୍ଠାରେ ଦର୍ଶାଯାଇଛି; ପ୍ରୟୋଗରେ ଏହାର ଅର୍ଥ ହେଉଛି ଭାଷା, ବିଜ୍ଞାପନ, ପୋଡକାଷ୍ଟ, ଏବଂ ଆପଲେଟଗୁଡ଼ିକ ସମସ୍ତେ ପରିସରରେ ଅଛି।

ହଁ - ବିଫଳ କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ଉତ୍ସକୁ ସ୍ୱୟଂଚାଳିତ ଭାବରେ ପୁନଃସ୍ଥାପନ କରନ୍ତୁ (ଦିନକୁ ପୁଲ କିମ୍ବା ପଇଠ କରାଯାଇଥିବା ଟୋକନଗୁଡ଼ିକ)। ଯଦି ଗୋଟିଏ ପୁନଃସ୍ଥାପନ ସେହି ଦିନରେ ଦେଖାଯାଉନାହିଁ, ଇମେଲ କରନ୍ତୁ contact@free.ai।

ମୁକ୍ତ ଭାବେ ଯୋଗଦାନ କରନ୍ତୁ: 30,000 ଟୋକନ/ଦିନ

ମୁକ୍ତ ଖାତା ନିର୍ମାଣ କରନ୍ତୁ

କୌଣସି କ୍ରେଡିଟ କାର୍ଡ ଆବଶ୍ୟକ ନାହିଁ

ଆପଣ ଏହି ଉପକରଣକୁ କିପରି ରେଟିଂ ଦେବେ?

4.6/5 from 5 ratings

Free.ai କୁ ଭଲପାଅ? ଆପଣଙ୍କ ବନ୍ଧୁମାନଙ୍କୁ କହିଦିଅନ୍ତୁ!