AI公司Sesame发布了驱动Maya的基础模型CSM-1B。Maya是一款逼真度极高的语音助手，其表现令人印象深刻。
该模型拥有10亿参数，采用Apache 2.0许可证开放商用。据Sesame在Hugging Face平台介绍，CSM-1B以Meta Llama系列模型为骨干网络，搭配音频“解码器”组件；经微调的变体版本即用于驱动Maya。
技术原理与能力
模型采用RVQ（残差矢量量化）技术将音频编码为离散标记，该技术亦应用于Google SoundStream和Meta Encodec等主流AI音频工具中。
Sesame表示：“此开源模型为基础生成模型，可生成多种声音，但尚未针对特定音色微调。受训练数据污染影响，模型虽具备一定非英语能力，但效果可能不佳。”目前，官方未披露具体训练数据来源。
安全风险与监管缺失
值得注意的是，该模型缺乏实质性安全措施。Sesame仅依靠荣誉制度，呼吁用户勿未经授权模仿他人声音、制作假新闻或从事恶意活动。
实测显示，在Hugging Face演示版中克隆声音仅需不到一分钟，且可随意生成涉及选举、政治宣传等争议性内容的语音。《消费者报告》近期也警告称，市面上多数AI语音克隆工具均缺乏防止欺诈或滥用的有效安全机制。
公司动态与未来布局
Sesame由Oculus联合创始人Brendan Iribe创立，因助手技术接近跨越“恐怖谷”效应而走红。其助手Maya和Miles具备呼吸感、自然语速及可打断交互特性，与OpenAI Voice Mode高度相似。
融资方面，Sesame已获得Andreessen Horowitz、Spark Capital及Matrix Partners投资。除语音助手外，公司正研发一款“设计为全天佩戴”的AI眼镜原型机，并将搭载自研定制模型。