使用场景

在语音交互应用中，为虚拟助手生成自然语音

用于语音合成研究，探索高质量语音生成技术

在教育场景中，为语言学习生成语音示例

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