本文转自：中国电子报
本报讯 Meta公司最近推出一款名为Audiobox的AI声音生成模型。该模型能够同时接收语音及文字输入，用户可同时使用语音及文字描述，让这款模型生成所需的音频。据悉，这款模型基于Meta今年6月推出的Voicebox AI模型，并具备生成各种环境音、自然对话语音的能力，还整合了音频生成和编辑能力，以便于用户自由生成自己所需的音频。
Meta公司表示，生成高品质音频需要具备大量的音频库及深厚的领域知识，但大众难以获得这些资源。因此，该公司推出这个模型旨在降低声音生成门槛，让任何人都更容易制作视频、游戏等应用场景的音效。
据测试，Audiobox模型基于Voicebox的“引导声音”机制，并配合“流量比对（flow-matching）”扩散模型生成方法，以实现“声音填充（audio infilling）”功能，从而生成多层次的音频。此外，Meta还测试了如何使用Audiobox同时输入人声及文字提示，以生成带有情绪并拥有背景音的语音。
Meta公司称，Audiobox在音质及“生成内容的准确度”方面表现优秀。据了解，Audiobox已经向特定研究人员及学术界开放试用，以供他们测试模型品质及安全性。Meta公司计划在未来几周内向社会全面公开该模型。 （新 宇）
