概述
Audiobox 是 Meta 开发的一款生成式人工智能模型，它突破了音频合成的界限。与简单的文本转语音工具不同，Audiobox 允许用户通过将文本提示与音频参考相结合来创建复杂的音频环境和细致入微的语音，从而提供了一种高度灵活的方式来制作音景和配音。
主要能力
- 文本转音频生成： 只需用简单的英语描述场景，即可制作音效或环境噪音。
- 语音克隆与控制： 生成模仿特定声音特征或根据用户输入调整音调和情感的语音。
- 音频到音频的编辑： 通过提供基于文本的指令来修改现有音频片段，以更改样式或环境。
- 多模态输入： 将一段简短的音频样本与文本提示结合起来，引导人工智能找到特定的声音特征。
最适合
- 内容创作者： 快速生成免版税的视频或播客音效。
- 游戏开发者： 制作环境背景音效和角色配音原型。
- 人工智能研究人员： 探索自然语言处理与声学合成的交叉领域。
限制和定价
Audiobox 主要是一个研究演示工具。虽然目前可以免费使用，但其可用性可能受候补名单或地区限制的影响。用户应注意，作为研究工具，其输出一致性可能存在差异，商业用途的授权应通过 Meta 的官方条款进行确认。
免责声明：产品功能、供货情况和价格如有变更，恕不另行通知。请访问 Audiobox 官方网站查看最新信息。
信息可能不完整或已过时；请在官方网站上确认详细信息。
结尾
