Sesame AI 反轉聊天機械人玩法：靠把聲食糊 仲要踩入眼鏡硬件

iOS App 玩緊乜？唔係打字，係「傾偈」

Sesame 個 App 嘅定位，係一個你可以開口同佢 brainstorm 嘅「傾偈夥伴」，而唔係一支識聽指令嘅咪高峰。App Store 列出咗幾樣核心功能 ：

• 語音主導自然對話：全程用口講，AI 聽完直接畀反應，唔使打字。
• 「同張相傾偈」：上載手寫 notes、衫嘅相、screenshot 等等，然後直接用口同 AI 討論內容。
• 搜尋卡連圖片結果：AI 答你嘢時，會自動攝埋相關圖片出嚟輔助解釋。
• 內置 Notes 功能：傾完偈可以即刻 cap 低重點。
• 打字模式：唔方便開口時，可以切換返文字輸入。
• Deep Dive 深入模式：要求詳盡解釋時，AI 會自動畀更深層次嘅跟進回答。
• 即時聯網搜料：Sesame 聲稱自己整咗套快速搜尋系統，AI 可以即時扯最新資訊，甚至講講吓嘢中途收到新料會立即「轉軚」改口風，模仿真人傾偈嘅自然反應 。

要留意嘅係，呢個 App 需要課金訂閱先用得 。

識笑識打斷嘅「對話語音模型 (CSM)」

App 背後嘅靈魂，係 Sesame 由 2024 年磨到 2026 年嘅 對話語音模型 (Conversational Speech Model, CSM) 。傳統 TTS 文字轉語音技術，讀出嚟嗰把聲多數死氣沉沉冇抑揚頓挫；CSM 就唔同玩法，佢會睇晒成個對話上文下理（包括最近幾輪對答），然後直接生成包埋 timing、語氣同情緒變化嘅音頻 。

Sesame 公開嘅研究列出咗幾個設計重點 ：

• 情緒智能：識睇情緒 context，即時調整音調高低同抑揚。
• 對話動態：自然嘅 timing、停頓、插嘴、強調語氣，甚至笑聲。
• 處境感知：記住近期對話歷史，跟住改變講嘢方式。
• 一致性格：確保成個 AI 人格連貫，唔會好似次次都換咗第二個人把聲咁。

佢哋嘅投資者之一 Sequoia Capital 形容，呢個模型「唔係淨係將 LLM 輸出翻譯成音頻——而係直接生成講嘢，捕捉到真人對話嗰種節奏、情感同表現力」。

CSM 目前有由 10 億到 80 億參數嘅唔同大細版本，刻意整到咁輕量，就係為咗日後可以塞入消費級甚至穿戴式硬件度離線運行 。佢哋仲將一個 10 億參數嘅版本喺 GitHub 開源咗出嚟，用嘅係 Apache 2.0 授權，checkpoint 放咗喺 Hugging Face 。

目前你可以喺 CSM 上面用到兩把「有名有姓」嘅 AI 聲音：Maya 同 Miles 。

私隱標榜「優先」，但細節含糊

Sesame 喺 App Store 話自己係「私隱優先」，指用家同 Sesame 之間嘅對話「安全並以私隱為設計基礎」。佢哋份正規私隱政策最後更新係 2026 年 5 月 7 日，解釋咗點樣通過網站、App 同服務（包括虛擬對話代理）收集同處理用戶數據 。

不過，現有嘅公開文件 冇講清楚 好多注重私隱嘅用家想搵嗰啲細緻控制權——例如手動刪除對話記錄嘅工具、拒絕被用嚟訓練模型嘅 opt-out 選項、又或者數據會保留幾耐先銷毀。私隱政策入面雖然提及，當唔再需要個人資訊嗰陣，會按適用法律銷毀、刪除或者匿名化，但就冇畀出實際嘅時間表或者用戶可以自己申請刪除嘅機制 。

把聲呢種數據天生就敏感，仲有可能涉及生物辨識，隨住 Sesame 規模擴大同各地監管機構收緊 AI 數據處理規例，呢個模糊位肯定會被人攞放大鏡照。想睇清條款嘅用家，可以去 sesame.com/privacy 搵完整政策。

終極目標係智能眼鏡：2027 年見真章

Sesame 出個 App，其實只係「手段」，「終點」係將佢哋嘅語音 AI 塞入一副輕巧、可以戴足全日嘅智能眼鏡 。

呢條橋嘅邏輯，一來係技術考量：CSM 嘅輕量級設計（10 億到 80 億參數）本身就係預咗可以直接喺眼鏡硬件上面運行，唔使吓吓要駁雲端等回傳，慳返 delay 時間 。二來係商業計算：Sesame 想同時食「軟件訂閱月費」同埋「賣硬件嘅高利潤」兩條水，如果將 AI 把聲塞入自己嘅眼鏡，佢哋就可以全盤控制咪高峰點收聲、喚醒詞、延遲、電量同訂閱 bundle，而唔使困喺第三方 App 生態系統度同人爭 。

正如有分析指出：「Sesame 硬件計劃真正嘅寶藏，唔係賣 gadget 賺嗰筆錢，而係霸住『語音模型成日要黐住嗰個預設裝置』。只要 Maya 同 Miles 住喺 Sesame 自己嘅眼鏡入面，佢就可以決定所有體驗細節，令 AI 同伴感覺似裝置一部分，多過似一個 App 。」

創辦團隊喺 Oculus 同 Meta 砌過 VR/AR 硬件嘅往績，令呢個硬件野心多咗幾分可信性，唔似得純軟件初創咁得個噏字 。公司公開承諾眼鏡會有「高品質音頻」，仲有個可以「同你一齊觀察世界」嘅 AI 伴侶 。有報導提及會整合眼球追蹤技術同實時對話回饋，但具體技術規格仍然好神秘 。

2.5 億美元 B 輪融資，大孖沙投信心票

2025 年 10 月 21 日，Sesame 完成咗 2.5 億美元嘅 B 輪融資，之前已經攞過 Andreessen Horowitz 嘅錢 。投資者仲包括 Sequoia Capital，佢哋甚至出咗篇長文解釋點解睇好語音主導 AI 係人機互動嘅重大轉變 。

筆錢會用嚟推進語音模型、請多啲工程師，同埋——最重要嗰 part——加快開發伴侶型穿戴式硬件 。呢輪融資令 Sesame 估值傳聞逼近 10 億美元（約 78 億港元）大關 。

喺語音 AI 戰場點樣突圍？

Sesame 踩入嘅呢個市場，Apple、Google、Amazon 同 OpenAI 全部都有龐大用戶基礎嘅語音助手。Sesame 想突圍，要押注三樣嘢：

1. 對話質素做護城河：Sesame 認為情感表達力、自然韻律同實時對話動態（插嘴、笑、中途轉軚）呢啲體驗，係文字主導嘅 chatbot 同舊式助手冇辦法複製嘅 。
2. 語音優先，唔係後加：同 ChatGPT 或 Gemini 呢啲「喺文字模型上面加個語音功能」嘅玩法唔同，Sesame 一開始就將語音對話當作主要介面 。
3. 硬件整合：智能眼鏡路線圖創造咗一個物理接觸點，令 Sesame 有別於純軟件 AI 同伴。擁有硬件，就等於擁有關係主導權，而唔係淨係喺手機 App 畫面度租個位 。

風險當然唔細。大公司有錢有人，可以慢慢追語音質素。音頻硬件出名難設計同量產，仲要整到輕到可以戴全日，又要夠型棍先有人肯戴上街。而圍繞把聲數據嗰啲私隱漏洞，正正喺 Sesame 嘗試建立信任嘅時候，隨時會引爆用戶同監管機構嘅反彈。

Sesame 嗰種「對話溫暖感」同硬件野心，究竟可唔可以挖出一條防守到嘅護城河？隨住 iOS App 推出同之後嘅眼鏡面世，答案將會慢慢浮面。