CSM 1B · deepinfra

CSM (Conversational Speech Model) is a speech generation model from Sesame that generates RVQ audio codes from text and audio inputs. The model architecture employs a Llama backbone and a smaller audio decoder that produces Mimi audio codes.

Modèle de baseTous les modèles de cette baseTous les modèles du fournisseurvers le fournisseur

Prix, $ $7.00 / 1M caractères

Contexte —

Accepte —

Dernière vérification 04.11.2026 12:00:14 UTC

Source —