Audiobox - Meta推出的免费AI语音和声音生成模型

Audiobox是什么

Audiobox是Meta推出的免费AI语音和声音生成模型，能结合语音输入和自然语言文本提示生成语音和音效。模型包含Audiobox Speech（专注语音生成）和Audiobox Sound（专注音效生成）等专业模型，底层基于共享的自监督模型Audiobox SSL。Audiobox具备语音风格转换等独特功能，是首个实现语音与文本双输入自由语音风格转换的模型。Audiobox能降低音频创作门槛，让任何人都能轻松创作出个性化的音频内容，能用在视频、播客、游戏等多种场景。

Audiobox的主要功能

• 克隆用户声音：录制声音按照用户的声音风格或以任意音频样本的风格生成语音。
• 文本描述生成人声：使用文本描述声音风格的特征以及声学环境生成人声。
• 更改声音风格：可结合声音和文本描述更改现有的声音风格。
• 文本描述生成音效：根据输入的声音特征文本描述生成声音效果。
• 噪音消除：提供Magic Eraser功能消除录音中的瞬态噪声。
• 声音填充：根据文本描述用新的声音替换音频中的一部分。
• 音频故事制作器：结合以上功能，用Audiobox Maker制作原创有趣的音频故事。

如何使用Audiobox

• 访问Audiobox平台：访问Audiobox官网 https://audiobox.metademolab.com/，点击“Try demos”。
• 选择功能：在页面上选择“Create Audio”或“Edit Audio”中的具体功能。
• 上传或录制语音样本：录制自己的语音或上传现成的音频文件作为参考。
• 输入文本内容：在指定区域输入希望生成语音或音效的文本描述。
• 生成音频：点击“Generate”按钮，让Audiobox根据输入生成音频。
• 查看和下载：播放生成的音频，确认效果后下载保存。

Audiobox的应用场景

• 视频制作：为视频生成匹配的语音旁白或音效，提升内容表现力和吸引力。
• 播客创作：快速生成或调整播客中的语音内容，优化听众体验。
• 游戏开发：根据游戏场景描述生成环境音效或角色语音，增强沉浸感。
• 教育内容：为在线课程或教育视频生成清晰的语音讲解，提高教学效果。