Meta推出语音AI工具Audiobox：基于Voicebox的声音生成新模型
在科技巨头AI竞赛持续升温的背景下，Meta近日发布了以语音为核心的AI工具Audiobox。该工具由Facebook AI Research（FAIR）实验室研发，被定义为一种用于声音生成的基础研究模型，构建于此前推出的Voicebox项目之上。
核心功能：文本提示与声音克隆
Audiobox能够结合声码器与自然语言文本提示，高效生成声音及音效，大幅降低了多场景声音定制门槛。用户仅需输入目标语句或声音描述，系统即可自动完成后续处理；同时支持录制个人声音并进行克隆。
技术架构：自监督学习驱动的环境音生成
Meta构建了基于自监督学习模型Audiobox SSL的模型家族，可生成警笛、儿童玩耍等多种环境音与音效。SSL技术无需预先标注数据，允许AI算法针对未标注数据自行生成标签，显著提升了训练效率。
使用限制：仅限研究演示，暂不开源
根据Meta官方说明，Audiobox交互式演示仅为研究项目，严禁用于商业用途。此外，与近期发布的图像生成应用Imagine by Meta AI一致，Audiobox目前并未开源。