Sesame, la opinión de Joute

Lo esencial

Modelo de síntesis de voz Conversational Speech Model (CSM) de Sesame AI
Pay as you go vía API (acceso limitado)
Voz natural con entonación, pausas y emoción
Para desarrolladores que quieren la voz IA más natural disponible

¿Qué es Sesame?

Sesame AI público en 2025 una demo de su modelo CSM (Conversational Speech Model) que género una reacción masiva en la comunidad IA. La voz generada tenía una naturalidad sin precedentes: entonación variable, pausas naturales, retroalimentación vocal (hm, ah) que hacen la conversación indistinguible de una voz humana. El modelo se ha publicado parcialmente como open source. El acceso API sigue siendo limitado.

Puntos fuertes

Naturalidad vocal más impresionante

La demo de Sesame definio un nuevo benchmark de calidad para la síntesis de voz. Los "backchannel tokens" (hm, si) son revolucionarios para los agentes conversacionales.

Parcialmente open source

El modelo CSM es accesible en HuggingFace para experimentación. Puedes probar la tecnología sin esperar a la API comercial.

Referencia para agentes de voz

Sí construyes un agente telefónico o un asistente de voz, Sesame CSM define el nivel de calidad objetivo.

Límites

Acceso comercial aún limitado

En 2026, el acceso API de producción de Sesame sigue siendo restringido. Alternativas como ElevenLabs o Cartesia son más accesibles.

Costes de computo elevados

La naturalidad de CSM tiene un coste computacional. No apto para volúmenes muy grandes.

Precio

Pay as you go. Verificar el estado actual del acceso en sesame.com.

Alternativas

Para voces naturales accesibles en producción: ElevenLabs o Cartesia. Para agentes telefonicos: Vapi o Retell. Para open source: CSM en HuggingFace.

Veredicto

Sesame define la referencia cualitativa para la voz IA natural. Para la producción en 2026, ElevenLabs o Cartesia son más accesibles. Hay que seguir la evolución del acceso comercial de Sesame.

FAQ

¿El modelo CSM de Sesame es totalmente open source?

El modelo es parcialmente open source. Se aplican restricciones de uso para evitar aplicaciones maliciosas.

¿Se puede clonar una voz con Sesame?

Las capacidades de clonación de voz están en desarrollo. Verificar el estado actual en sesame.com.

¿Funciona Sesame en español?

El modelo CSM se entrenó principalmente en inglés. El soporte de otros idiomas va evolucionando.

¿Cuál es la latencia de Sesame para aplicaciones en tiempo real?

La latencia es un punto de trabajo para los agentes conversacionales. Verificar las especificaciones técnicas en sesame.com.

Joute puede percibir una comisión por las suscripciones realizadas a través de los enlaces de este artículo. Eso no cambia nuestras opiniones.