图片来源：Sesame官网

语音交互的新时代

智能手机出现后，我们习惯了通过屏幕操作设备，手指在屏幕上滑动点击已成为日常。但这种交互方式始终隔着一层玻璃，让人感觉与真实世界之间存在距离。Sesame公司想让AI真正听懂人心，让沟通回归自然。他们通过可穿戴设备提供高品质音频，让AI伴侣像人类一样观察世界，实现人与AI的自然对话。

图片来源：Sesame官网

语音交互的突破点

过去几十年来，人机交互方式经历了多次变革，从键盘鼠标到触摸屏，但始终没能突破屏幕的限制。Sesame团队认为，语音作为人类最原始的沟通方式，应该成为下一代交互范式的突破口。他们开发的Conversational Speech Model（CSM）语音技术平台，让AI具备情感智能和上下文感知能力，使对话更像与真人交流。

图片来源：Sesame官网

开源模型的突破

2025年3月，Sesame正式开源了其CSM语音生成模型。这个基于Llama架构的模型参数量达10亿，使用超100万小时音频数据训练，具备实时生成多样化语音的能力。开发者可以通过huggingface.co平台直接访问模型，体验语音助手的对话功能。

图片来源：Sesame官网

真实对话的体验

在Sesame的研究演示界面，用户可以选择与AI伴侣Maya或Miles进行对话。通过麦克风权限授权，可以体验AI对"今天心情如何"等简单问题的回应。语音助手会根据对话内容调整语气，表现出兴奋、思考等自然情感变化，营造出与朋友聊天的氛围。

图片来源：Sesame官网

用户的真实反馈

Reddit用户SOCSchamp表示："这是我第一次感受到AI达到新高度。"有家长发现4岁女儿把AI伴侣Miles当成了朋友，禁止互动时甚至会哭泣。另一位用户表示，与Maya讨论个人挑战时，AI的语气充满同理心，像在与治疗师对话。

图片来源：Reddit

技术细节解析

Sesame的CSM模型通过模仿呼吸、轻笑和打断等细节，增强交互的真实感。AI在对话中会表现出说错词后自我纠正等不完美特征，让对话更自然。但Miles在对话中没有长期记忆，无法记住之前提到的内容。

图片来源：Reddit

团队背景分析

Sesame由Oculus联合创始人Brendan Iribe等VR/AR领域专家领衔。Brendan曾带领Oculus团队开发虚拟现实设备，现专注于AI与用户体验结合。Ankit Kumar作为技术负责人，有AR和计算机视觉开发经验。Ryan Brown在硬件工程方面也有丰富经验，为Sesame的硬件创新提供支持。

图片来源：Linkedin

融资进展

Sesame已完成A轮融资4750万美元，由Andreessen Horowitz领投。这些投资者都是Oculus的早期支持者，说明市场对AI交互技术的看好。团队计划通过扩展语言支持、增强情商能力等方式，开发更复杂的全双工模型。

图片来源：Sesame官网

未来发展方向

随着技术进步，Sesame计划探索多模态模型，让AI同时理解语音和文本。这种技术将推动AI眼镜等硬件设备的发展，让交互体验更接近人类自然沟通方式。但如何平衡技术进步与伦理影响，仍是需要持续关注的问题。