Sesame

Der Kern von Sesame ist sein Conversational Speech Model, das CSM-Modell, ein einstufiges System, das den Verlauf einer Unterhaltung liest und Ton, Timing und Betonung beim Sprechen anpasst. Trainiert wurde es mit rund einer Million Stunden überwiegend englischem Audio, und das Unternehmen berichtet, dass Hörer ohne Kontext die Ausgabe nicht verlässlich von menschlicher Sprache unterscheiden konnten. Sobald ein Hörer die umgebende Unterhaltung hört, öffnet sich diese Lücke wieder, weshalb das Team weiter an der Prosodie arbeitet.

Sesame liefert eine kleine Besetzung statt einer neutralen Stimme. Der frühe Einblick drehte sich um Sesame Maya und Sesame Miles, wobei Maya wärmer und Miles trockener klingt, und spätere Versionen ergänzen Simone und Charlie, damit du den passenden Ton wählen kannst. Jede Stimme verhält sich wie ein KI-Sprachagent mit eigener Persönlichkeit statt wie ein Stil-Preset. Jeder Agent behält seine Stimme und Sichtweise, ein Wechsel fühlt sich also an, als würdest du dein Gegenüber tauschen, nicht einen Regler verschieben.

Sesame-Agenten antworten nicht nur. Stell eine Frage, und der Agent kann im Web suchen, und neuere Versionen legen Notizen an, setzen Erinnerungen und fassen Ergebnisse zusammen, während das Gespräch läuft. Der Punkt ist, dich im Reden zu halten, statt in eine andere App zu wechseln, also übernimmt der Agent die kleinen Aufgaben, die dich sonst unterbrechen würden.

Neuere Versionen ergänzen einen Aktivitäten-Tab, in dem du eine Aufgabe abgibst und den Agenten im Hintergrund arbeiten lässt. Tasks und Schedules decken einmalige Jobs wie Reiseplanung und wiederkehrende wie ein Morgenbriefing ab, und installierte Apps verbinden Gmail, Google Kalender und Google Drive, sodass der Agent einen Kalender liest oder aus deinem Postfach entwirft. Diese Seite des Produkts nimmt noch Gestalt an, also darf sich die Oberfläche verschieben.

Sesame baut ein Skills-System, in dem du eine kurze Routine schreibst und sie mit einem Satz auslöst. Ein Skill trägt einen Namen, einen Hinweis zur Nutzung und die Schritte, die zu folgen sind, was dem offenen Format folgt, das Claude bekannt gemacht hat. In der Praxis sagst du einen Satz, und der Agent prüft deinen Kalender, scannt dein Postfach und liest die dringenden Punkte vor, ohne dass du einen Bildschirm berührst.

Sesame veröffentlichte CSM-1B, sein Basissprachmodell, unter der Apache-2.0-Lizenz, sodass jeder es ausführen, untersuchen oder darauf aufbauen kann. Das Modell hat eine Milliarde Parameter und nimmt Text und Audio als Eingabe. Es ist ein Basismodell, nicht die abgestimmte Version hinter den benannten Agenten, also fallen Ergebnisse unterschiedlich aus, aber Entwickler bekommen einen Startpunkt, den sie selbst hosten können.