AI spoločnosť Sesame predstavila základný model, ktorý poháňa Mayu, pôsobivo realistického hlasového asistenta. Tento model, pozostávajúci z 1 miliardy parametrov (kde „parametre“ odkazujú na jednotlivé súčasti modelu), bol vydaný pod licenciou Apache 2. 0, čo umožňuje komerčné využitie s minimálnymi obmedzeniami. Model s názvom CSM-1B produkuje „RVQ audio kódy“ z textových a audio vstupov, podľa popisu Sesamu na platforme pre vývoj AI Hugging Face. RVQ znamená „reziduálna vektorová kvantizácia“, metódu, ktorá sa používa na kódovanie audia do diskrétnych tokenov známych ako kódy. Táto technika sa využíva v rôznych súčasných AI audio technológiách, vrátane Google SoundStream a Meta Encodec. CSM-1B je postavený na modeli z rodiny Meta Llama a obsahuje komponent „dekodér“ audia. Podľa Sesamu, jemne vyladená verzia CSM poháňa Mayu. V repozitároch CSM-1B na Hugging Face a GitHub Sesam uvádza: „Model, ktorý je tu open-sourced, je model pre základnú generáciu. Môže produkovať rôzne hlasy, ale nebol jemne doladený pre žiadny konkrétny hlas.

[. . . ] Model má niektoré schopnosti pre neanglické jazyky kvôli kontaminácii dát v tréningovom súbore, ale jeho výkon sa očakáva ako suboptimálny. “ Nie je jasné, aké dáta Sesame využil na tréning CSM-1B, pretože spoločnosť túto informáciu nezverejnila. Je dôležité poznamenať, že model postráda podstatné bezpečnostné opatrenia. Sesame sa spolieha na čestný systém, ktorý povzbudzuje vývojárov a používateľov, aby sa vyhýbali používaniu modelu na napodobňovanie niekoho hlasu bez povolenia, vytváraniu zavádzajúceho materiálu ako falošné správy alebo zapájaniu sa do škodlivých či zlomyseľných aktivít. Testoval som demo na Hugging Face a napodobniť môj hlas trvalo menej ako minútu. Potom bolo jednoduché generovať reč na rôzne témy, vrátane kontroverzných ako voľby a ruská propaganda. Consumer Reports nedávno varoval, že mnohé populárne nástroje na klonovanie hlasu, založené na AI, dostupné dnes postrádajú „významné“ ochrany proti podvodu alebo zneužitiu. Sesame, ktorú spoluzaložil spolutvorca Oculus Brendan Iribe, získala výraznú pozornosť koncom februára za svoju asistentnú technológiu, ktorá takmer prekonáva uncanny valley. Maya a ďalší asistent Sesamu, Miles, dýchajú, vykazujú rečové dysfluencie a môžu byť prerušené počas hovorenia, podobne ako Voice Mode od OpenAI. Spoločnosť získala nezverejnenú investíciu od Andreessen Horowitz, Spark Capital a Matrix Partners. Okrem vývoja technológie hlasového asistenta Sesame prototypuje AI okuliare „určené na celodenné nosenie“, ktoré budú využívať jej proprietárne modely.