Metaが開発した統合オーディオ基盤モデル。人声ナレーション、環境効果音、音響修復を単一モデルで実現
Meta公式デモサイトにて、音声生成、音声プロンプトによるクローン、効果音補完を無料試用可能
Audioboxは、Meta社が発表した音声と効果音を統合した革新的なオーディオ基盤モデルです。音声読み上げ(TTS)と環境音・効果音(SFX)の生成を同一のニューラルネットワークで処理。テキストによる指示だけでなく、自身の声をマイクで吹き込んでトーンを指定する音声プロンプトに対応。さらに、音声タイムラインの特定箇所を範囲選択して別の音や言葉に差し替える「Audio Infilling(音響インペインティング)」という画期的な編集機能を実現しています。