Sesame
Azienda di IA vocale i cui agenti conversazionali funzionano in app per iOS e Android, costruiti sul suo Conversational Speech Model.
Sesame è un’azienda di IA vocale che crea agenti conversazionali per iOS e Android. Gli agenti di Sesame sostengono conversazioni parlate per aiutare a sbrigare le cose, ragionare ad alta voce sulle idee ed esplorare domande. Gli agenti si basano sul Sesame Conversational Speech Model, che usa la cronologia del dialogo per dare forma a tono e tempi. Per iniziare si scarica l’app.
Indicato per Chi vuole interagire con un agente di IA soprattutto con il parlato naturale su un telefono, e chi si occupa di ricerca sulla generazione del parlato conversazionale.
- Piattaforme
- iOS, Android
- Sviluppato da
- Sesame
- Aggiunto
Ultima verifica: . Informazioni tratte da sesame.com.
Che cos’è Sesame?
Sesame è un’azienda che sviluppa agenti vocali pensati per una conversazione naturale e parlata, insieme a dispositivi che li ospitino. I suoi agenti sono offerti in app per iOS e Android, e il sito dice che sono previsti degli occhiali. L’obiettivo dichiarato è ciò che Sesame chiama presenza vocale, che scompone in quattro parti: riconoscere il contesto emotivo, gestire i tempi di un dialogo reale comprese pause e interruzioni, adattare il tono alla situazione e mantenere una personalità stabile. Alla base c’è il Conversational Speech Model, un sistema basato su transformer che usa la cronologia di una conversazione, sia testo sia audio, per generare il parlato e funziona in un’unica fase. Sesame ha pubblicato una ricerca sul modello, offre un’anteprima di ricerca e ha dichiarato che i suoi modelli verranno rilasciati con una licenza Apache 2.0. L’azienda indica sedi a New York, San Francisco e Bellevue.
Funzioni principali
Agenti vocali
Sostengono conversazioni parlate con gli utenti per aiutare nelle attività, ragionare sulle idee ed esplorare argomenti.
App mobili
Offre gli agenti tramite app scaricabili per iOS e Android.
Conversational Speech Model
Genera il parlato con un modello transformer a una sola fase che tiene conto dei turni precedenti del dialogo.
Resa espressiva
Punta a un parlato con ritmo, enfasi e tono naturali, adatti al contesto emotivo dello scambio.
Ricerca aperta
Pubblica approfondimenti tecnici e risultati di valutazione, con modelli annunciati con una licenza Apache 2.0.
Occhiali previsti
Presenta gli occhiali come un modo futuro di usare gli agenti, accanto al lavoro più ampio dell’azienda sull’hardware.
Casi d’uso
- Pensare ad alta voce
- Ragiona su un problema parlandone con un agente invece di scriverlo.
- Seguire la curiosità
- Fai domande di approfondimento su un argomento in un botta e risposta parlato.
- Aiuto quotidiano a voce
- Usa un agente sul telefono per le attività di tutti i giorni senza tastiera.
- Studiare la generazione del parlato
- Leggi la ricerca pubblicata sulla sintesi vocale contestuale e sulla sua valutazione.
- Provare l’anteprima di ricerca
- Prova la demo della voce conversazionale che Sesame mette a disposizione.
Cose da sapere
- Modello vocale centrato sull’inglese
- L’articolo di ricerca dice che CSM è stato addestrato soprattutto sull’inglese e per ora funziona male in altre lingue.
- Un divario riconosciuto rispetto al parlato umano
- La valutazione di Sesame stessa ha rilevato che chi ascoltava preferiva ancora le registrazioni umane quando veniva fornito il contesto conversazionale.
- Gli occhiali non sono ancora disponibili
- La home page indica gli occhiali come in arrivo; oggi sono offerte solo le app mobili.
- Pochi dettagli pubblici
- Il sito non indica i prezzi né le condizioni dei piani per le app.
Domande frequenti
Che cos’è Sesame?
Sesame è un’azienda di IA vocale che costruisce agenti conversazionali e l’hardware per usarli; i suoi agenti sono disponibili in app per iOS e Android.
A che cosa serve Sesame?
Gli agenti di Sesame servono per la conversazione parlata: farsi aiutare nelle attività, ragionare sulle cose ed esplorare argomenti a voce.
Sesame funziona su mobile?
Sì. Sesame è disponibile su iOS e Android, e l’azienda dice che arriveranno degli occhiali.
Che cos’è il Conversational Speech Model?
Il Conversational Speech Model, o CSM, è il modello di generazione del parlato di Sesame basato su transformer, che usa la cronologia della conversazione per produrre un parlato più naturale e coerente.
Il modello di Sesame è open source?
Sesame dice di prevedere di rendere open source parti fondamentali della sua ricerca e di rilasciare i suoi modelli con una licenza Apache 2.0.
Quali lingue supporta il modello vocale di Sesame?
L’articolo di ricerca di Sesame dice che CSM è stato addestrato soprattutto su dati in inglese e non funziona ancora bene in altre lingue, con un supporto linguistico più ampio previsto.
Chi guida Sesame?
Sesame indica cinque responsabili nella pagina del team: Brendan Iribe, Ryan Brown, Ankit Kumar, Nate Mitchell e Angela Gayles.
A chi è rivolto
- Chi preferisce le interfacce vocali
- Ricercatori sul parlato
- Sviluppatori
- Early adopter
Commenti
Ancora nessun commento. Se hai usato Sesame, racconta agli altri lettori com’è andata.
Alternative a Sesame
| Strumento | Piano gratuito | Prezzo di partenza | API |
|---|---|---|---|
 Palabra.aiIA vocale in tempo reale per la traduzione dal vivo di riunioni, eventi e streaming, con API vocali per sviluppatori. |
— | — | Sì |
 Bland AIPiattaforma enterprise di IA vocale per costruire, distribuire e monitorare agenti telefonici sui modelli proprietari del fornitore. |
— | — | — |
 ElevenLabsPiattaforma audio con IA per sintesi vocale, clonazione della voce, trascrizione, doppiaggio, musica e agenti vocali conversazionali. |
Sì | — | Sì |
 Inworld AIPiattaforma di IA vocale in tempo reale che offre sintesi vocale, riconoscimento vocale, un’API da voce a voce e instradamento degli LLM. |
Sì | — | Sì |
 ApplioSuite gratuita e open source per la conversione vocale: addestra modelli di voce, converte audio e cambia la tua voce dal vivo. |
Sì | — | — |
Strumenti delle stesse categorie di Sesame. Il prezzo di partenza compare solo se lo abbiamo controllato sulla pagina dei prezzi dello sviluppatore; un trattino significa che non è stato controllato o non è pubblicato. Tutti gli strumenti della categoria Assistenti vocali e riconoscimento vocale