Audiobox

Audiobox：Meta推出的AI语音与声音生成模型

Audiobox是由Meta推出的一款免费AI语音和声音生成模型。该模型能够结合用户的语音输入与自然语言文本提示，轻松生成各种语音和音效。其底层架构基于共享的自监督模型Audiobox SSL，并在此基础上衍生出专注语音生成的Audiobox Speech以及专注音效生成的Audiobox Sound等专业模型。

作为首个实现语音与文本双输入自由语音风格转换的模型，Audiobox有效降低了音频创作的门槛。无论是视频、播客还是游戏等多种场景，任何人都能借此轻松创作出个性化的音频内容。

核心功能一览

• 声音克隆：支持录制声音，并按照用户本人的声音风格或任意音频样本的风格来生成语音。
• 文本生成人声：通过文本描述声音风格的特征以及声学环境，直接生成相应的人声。
• 声音风格更改：能够结合现有的声音和文本描述，对当前的声音风格进行更改。
• 文本生成音效：根据用户输入的声音特征文本描述，生成相应的声音效果。
• 噪音消除：提供Magic Eraser功能，专门用于消除录音过程中产生的瞬态噪声。
• 声音填充：可以根据文本描述，使用新的声音替换掉原有音频中的某一部分。
• 音频故事制作：通过Audiobox Maker工具，综合运用上述各项功能，制作出原创且有趣的音频故事。

使用指南

1. 访问平台：进入Audiobox官网，点击页面上的“Try demos”按钮。
2. 选择功能：在提供的选项中，选择“Create Audio”或“Edit Audio”下的具体操作功能。
3. 提供语音样本：根据需要，录制自己的语音或上传现成的音频文件作为参考素材。
4. 输入文本描述：在指定区域内，输入希望生成语音或音效的文本内容。
5. 生成音频：点击“Generate”按钮，系统将根据输入内容生成相应的音频。
6. 试听与下载：播放生成的音频，确认效果符合预期后即可下载保存。

典型应用场景

• 视频制作：为视频生成相匹配的语音旁白或音效，从而提升内容的表现力与吸引力。
• 播客创作：快速生成或调整播客节目中的语音内容，进一步优化听众的收听体验。
• 游戏开发：依据游戏场景描述，生成环境音效或角色语音，增强游戏的沉浸感。
• 广告与营销：为广告视频或音频素材快速生成符合品牌风格的专属语音和音效。
• 教育内容：为在线课程或教育视频生成清晰明了的语音讲解，有效提高教学效果。