Meta 推出 AI 音频模型 Audiobox：支持语音及文字同时输入、可生成多层次声音

12 月 4 日消息，Meta 日前推出了一款 AI 声音生成模型 Audiobox，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。qir28资讯网——每日最新资讯28at.com

据悉，这款模型基于 Meta 今年 6 月推出的 Voicebox AI 模型，据称 Audiobox 能生成各种环境音、自然对话语音，并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。qir28资讯网——每日最新资讯28at.com

qir28资讯网——每日最新资讯28at.com

Meta 介绍称，生成高品质音频需要有大量音频库及深厚的领域知识，但大众难以获得这些资源，而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。qir28资讯网——每日最新资讯28at.com

发现，这款 Audiobox 模型基于 Voicebox 的“引导声音”机制，以便于生成目标音频，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。qir28资讯网——每日最新资讯28at.com

Meta 测试生成带有雷暴声的下雨音频，并输入一系列提示句进行演示，例如“流水声伴随鸟鸣”、“以高音调快节奏说话的年轻女性”等；同时测试了同时输入人声及文字提示，以生成带有情绪（“哀痛而缓慢”）并拥有背景音（身处教堂）的语音。qir28资讯网——每日最新资讯28at.com

qir28资讯网——每日最新资讯28at.com

qir28资讯网——每日最新资讯28at.com

Meta 声称，Audiobox 在音质及“生成内容的准确度” 顺利击败了 AudioLDM2、VoiceLDM 及 TANGO，超越了现有最佳的音频生成模型。qir28资讯网——每日最新资讯28at.com

qir28资讯网——每日最新资讯28at.com

目前 Audiobox 已经开放向特定研究人员及学术界试用，以供测试模型品质及安全性，Meta 声称，他们计划“再过几周将社会全面公开该模型”。qir28资讯网——每日最新资讯28at.com

本文链接：http://www.28at.com/showinfo-45-2805-0.htmlMeta 推出 AI 音频模型 Audiobox：支持语音及文字同时输入、可生成多层次声音

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com

上一篇： 微软仅凭「提示工程」让 GPT-4 成医学专家！超过一众高度微调模型，专业测试准确率首次超 90%

下一篇： 双11错过的大眼橙投影仪优惠，双12继续低价购！