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.

Базовая модельВсе модели этой базовойВсе модели провайдерак провайдеру

Цена, $ $7.00 / 1M симв.

Контекст —

Принимает —

Последняя проверка 04.11.2026 12:00:14 UTC

Источник —