认识 Audiobox：新的 Meta AI 音频生成基础研究模型

认识 Audiobox：新的 Meta AI 音频生成基础研究模型

因此，Meta-研究人员制定了一种名为Audiobox的新 AI 模型，可以结合语音输入和自然语言文本提示生成语音和音效，从而轻松为各种用例创建自定义音频。它具有语音、音效和音景的统一生成和编辑功能。

研究人员强调，这是将各种音频元素的生成和编辑功能结合起来的一大进步。它可以结合使用语音输入和自然语言文本提示来生成语音和声音效果，从而可以轻松地为各种用例创建自定义音频。

Audiobox 是 Voicebox 的后继产品，它不仅增强了前身的功能，还引入了一个统一的平台，可以增强跨不同音频元素的生成和编辑。

Audiobox的优势在于它能够通过将语音输入与自然语言的文本提示相结合来产生语音和音效。这种方法使得为各种用例创建独特音频的过程变得更加容易。例如，用户可以通过文本Audiobox来描述所需的声音或语音类型，Audiobox将自动创建相应的音频。

此外，它还允许用户使用自然语言提示来描述他们想要的演讲风格。这是 Audiobox 的适应性优势。Audiobox 还允许用户通过文本提示自定义声音设置。例如，要创建一个宁静的音景，有流动的河流和鸣叫的鸟儿，只需输入详细的文本提示，Audiobox 就会实现这一愿景。

在 Audiobox 的帮助下，用户可以改变声音，听起来就像来自不同的环境。这是通过将文本式提示与音频语音输入融合来实现的，允许用户创建适合他们喜好的合成语音。

研究人员在 AudioLDM2、VoiceLDM 和 TANGO 等各种模型上测试了 Audiobox 的质量和相关性，发现 Audiobox 的表现优于它们。他们发现，在各种语音风格中，它的风格相似度超过了 Voicebox 30% 以上。

研究人员表示，Audiobox 将降低音频创作的无障碍障碍，让任何人都可以轻松成为音频内容创作者。

研究人员希望从构建只能生成一种类型的音频的专用音频生成模型转向构建可以创建任何音频的通用音频生成模型。

总之，Audiobox 是音频技术发展的一个重要模型。其直观的界面和强大的功能重新定义了我们进行音频创作的方式，并为个人、经验丰富的专业人士和爱好者开辟了新的可能性，以塑造和分享他们独特的听觉愿景。