Crossing the uncanny valley of conversational voice

How do we know when someone truly understands us? It is rarely just our words—it is in the subtleties of voice: the rising excitement, the thoughtful pause, the warm reassurance. Voice is our most intimate medium as humans, carrying layers of meaning through countless variations in tone, pitch, rhythm, and emotion. Today’s digital voice assistants lack essential qualities to make them truly useful

[misshiki]

従来のデジタル音声アシスタントは感情表現や文脈理解が不足。そこで、音声の抑揚やリズム、感情を適切に表現し、一貫したパーソナリティで信頼関係を築く会話音声モデル（CSM）を開発。

[nikutaiha]

英会話

[stealthinu]

これはすごそう。Moshiよりもさらに自然。Moshiは全二重という部分が大きな違いだったけどSesameは感情理解とかを深めたってとこの違い？

[gogatsu26]

“今日のデジタル音声アシスタントには、本当に役立つための重要な特性が欠けています。音声の力を完全に引き出さなければ、私たちと効果的に協力することは期待できません”「会話音声デモ」