Meta 新一代统一音频生成大模型,同时掌控人声语音、环境音效与声音修复涂抹
在 Meta 演示官网免费体验语音生成、声音提示词克隆与环境音效填充
Audiobox 是 Meta 推出的一款开创性的统一生成式音频基座大模型。以往语音合成、环境音效和声音编辑往往需要不同系统,而 Audiobox 将语音(Speech)与音效(Sound Effects)完全融为一体。它不仅支持通过文本描述生成特定环境声与人声,更支持突破性的“音频局部修复涂抹”(Audio Infilling)——用户可以在一段音频的指定时间轴上圈出区域,通过提示词精准替换或擦除其中的声音;同时具备极强的少样本声线上下文克隆能力。