Sesame
Empresa de IA de voz cuyos agentes conversacionales funcionan en apps de iOS y Android, creados sobre su Conversational Speech Model.
Sesame es una empresa de IA de voz que crea agentes conversacionales para iOS y Android. Los agentes de Sesame mantienen conversaciones habladas para ayudar a los usuarios a resolver tareas, darle vueltas a ideas y explorar preguntas. Los agentes se basan en el Sesame Conversational Speech Model, que usa el historial del diálogo para dar forma al tono y al ritmo. Para empezar, el usuario descarga la app.
Ideal para Personas que quieren interactuar con un agente de IA sobre todo mediante el habla natural en el móvil, e investigadores que siguen la generación de habla conversacional.
- Plataformas
- iOS, Android
- Desarrollada por
- Sesame
- Añadida
Última verificación: . Información obtenida de sesame.com.
¿Qué es Sesame?
Sesame es una empresa que desarrolla agentes de voz pensados para la conversación hablada natural, junto con dispositivos para llevarlos. Sus agentes se ofrecen en apps para iOS y Android, y el sitio dice que se planean unas gafas. El objetivo declarado es lo que Sesame llama presencia de voz, que desglosa en cuatro partes: reconocer el contexto emocional, manejar el ritmo de un diálogo real, con sus pausas e interrupciones, adaptar el tono a la situación y mantener una personalidad estable. Debajo está el Conversational Speech Model, un sistema basado en transformers que usa el historial de una conversación, tanto de texto como de audio, al generar el habla, y que funciona en una sola etapa. Sesame ha publicado investigación sobre el modelo, ofrece una vista previa para investigación y ha dicho que sus modelos se publicarán con una licencia Apache 2.0. La empresa enumera oficinas en Nueva York, San Francisco y Bellevue.
Funciones principales
Agentes de voz
Mantienen conversaciones habladas con los usuarios para ayudar con tareas, darle vueltas a ideas y explorar temas.
Apps móviles
Ofrece los agentes mediante apps descargables para iOS y Android.
Conversational Speech Model
Genera habla con un modelo transformer de una sola etapa que se condiciona por los turnos anteriores del diálogo.
Expresividad
Busca un habla con ritmo, énfasis y tono naturales, adecuados al contexto emocional del intercambio.
Investigación abierta
Publica informes técnicos y resultados de evaluación, con modelos anunciados bajo una licencia Apache 2.0.
Gafas previstas
Presenta unas gafas como una forma futura de usar los agentes, junto con el trabajo más amplio de la empresa en hardware.
Casos de uso
- Pensar en voz alta
- Habla de un problema con un agente en lugar de escribirlo.
- Seguir la curiosidad
- Haz preguntas de seguimiento sobre un tema en un intercambio hablado.
- Ayuda cotidiana por voz
- Usa un agente en el móvil para tareas del día a día sin teclado.
- Estudiar la generación de habla
- Lee la investigación publicada sobre la síntesis de habla contextual y su evaluación.
- Probar la vista previa para investigación
- Prueba la demostración de voz conversacional que Sesame pone a disposición.
Lo que debes saber
- Un modelo de habla centrado en el inglés
- La publicación de investigación dice que CSM se entrenó sobre todo con inglés y que por ahora rinde mal en otros idiomas.
- Una brecha reconocida con el habla humana
- La propia evaluación de Sesame observó que los oyentes seguían prefiriendo las grabaciones humanas cuando se les daba el contexto de la conversación.
- Las gafas aún no están disponibles
- La página de inicio enumera las gafas como próximamente; hoy solo se ofrecen las apps móviles.
- Pocos detalles públicos
- El sitio no indica los precios ni las condiciones de los planes de las apps.
Preguntas frecuentes
¿Qué es Sesame?
Sesame es una empresa de IA de voz que crea agentes conversacionales y el hardware para usarlos; sus agentes están disponibles en apps de iOS y Android.
¿Para qué sirve Sesame?
Los agentes de Sesame sirven para la conversación hablada: recibir ayuda con tareas, darle vueltas a las cosas y explorar temas por voz.
¿Funciona Sesame en el móvil?
Sí. Sesame está disponible en iOS y Android, y la empresa dice que vendrán unas gafas.
¿Qué es el Conversational Speech Model?
El Conversational Speech Model, o CSM, es el modelo de generación de habla de Sesame basado en transformers, que usa el historial de la conversación para producir un habla más natural y coherente.
¿Es de código abierto el modelo de Sesame?
Sesame dice que planea abrir el código de partes clave de su investigación y publicar sus modelos con una licencia Apache 2.0.
¿Qué idiomas admite el modelo de habla de Sesame?
La publicación de investigación de Sesame dice que CSM se entrenó sobre todo con datos en inglés y que aún no rinde bien en otros idiomas, y que se prevé una compatibilidad más amplia.
¿Quién dirige Sesame?
Sesame nombra a cinco responsables en la página de su equipo: Brendan Iribe, Ryan Brown, Ankit Kumar, Nate Mitchell y Angela Gayles.
Para quién es
- Personas que prefieren las interfaces de voz
- Investigadores del habla
- Desarrolladores
- Early adopters
Comentarios
Todavía no hay comentarios. Si has usado Sesame, cuéntales a otros lectores cómo te fue.
Alternativas a Sesame
| Herramienta | Plan gratuito | Precio inicial | API |
|---|---|---|---|
 Palabra.aiIA de voz en tiempo real para traducir la voz en directo en reuniones, eventos y retransmisiones, con API de voz para desarrolladores. |
— | — | Sí |
 Bland AIPlataforma empresarial de IA de voz para crear, desplegar y supervisar agentes telefónicos con los modelos propios del proveedor. |
— | — | — |
 ElevenLabsPlataforma de audio con IA para texto a voz, clonación de voz, transcripción, doblaje, música y agentes de voz conversacionales. |
Sí | — | Sí |
 Inworld AIPlataforma de IA de voz en tiempo real que ofrece texto a voz, voz a texto, una API de voz a voz y enrutamiento de LLM. |
Sí | — | Sí |
 ApplioSuite de conversión de voz gratuita y de código abierto para entrenar modelos de voz, convertir audio y cambiar tu voz en directo. |
Sí | — | — |
Herramientas de las mismas categorías que Sesame. El precio inicial solo aparece si lo comprobamos en la página de precios del desarrollador; un guion significa que no se comprobó o no está publicado. Todas las herramientas de la categoría Asistentes y reconocimiento de voz