迎接Audiobox：用于音频生成的新一代Meta AI基础研究模型

迎接 Audiobox：新一代基于 Meta AI 的音频生成基础研究模型

“`html

音频在媒体和娱乐领域起着重要作用。它影响着从电影和播客到有声书和视频游戏的一切。然而，制作高质量的音频需要丰富的声音库和深厚的领域专业知识。

因此，元研究人员制定了一种名为Audiobox的新的人工智能模型，可以结合语音输入和自然语言文本提示生成声音和音效，从而轻松创建各种用例的自定义音频。它具有语音、音效和音景的统一生成和编辑能力。

研究人员强调，这是将各种音频元素的生成和编辑能力结合起来的一个重要步骤。它可以结合语音输入和自然语言文本提示生成声音和音效，从而轻松创建各种用例的自定义音频。

Audiobox作为Voicebox的继任者已经问世，它不仅提高了其前身的能力，还引入了一个统一的平台，增强了对不同音频元素的生成和编辑。

Audiobox的优势在于它能够通过将语音输入与自然语言文本提示结合使用来产生声音和音效。这种方法使得创建各种用例的独特音频的过程更加简单。例如，用户可以向Audiobox输入文本来描述所需的声音或语音类型，Audiobox将自动创建相应的音频。

此外，它允许用户使用自然语言提示来描述他们想要的语音风格。这是Audiobox的一个适应性优势。Audiobox还允许用户使用文本提示自定义声音设置。例如，只需要输入详细的文本提示，Audiobox就能实现创建一个有流动的河流和鸟儿鸣叫的宁静音景。

借助Audiobox的帮助，用户可以调整声音，使其听起来像来自不同的环境。这通过将文本样式提示与音频语音输入合并来实现，使用户能够创建符合自己喜好的合成语音。

研究人员通过对AudioLDM2、VoiceLDM和TANGO等模型进行了Audiobox的质量和相关性测试，发现Audiobox表现优于它们。他们发现，与各种语音风格相比，Audiobox在样式相似性上超过Voicebox超过30%。

研究人员表示，Audiobox将降低音频创作的可访问性障碍，使任何人都能轻松成为音频内容创作者。

研究人员希望从构建只能生成一种类型音频的专门音频生成模型转向构建能够创建任何音频的通用音频生成模型。

总之，Audiobox是音频技术发展中的一个重要模型。它直观的界面和强大的功能重新定义了我们对待音频创作的方式，为个人、经验丰富的专业人士和爱好者创造和分享自己独特的听觉愿景开启了新的可能性。

“`