Audiobox - 是一款Meta推出的AI声音生成模型

Audiobox

Audiobox 是一款Meta推出的AI声音生成模型，Audiobox是基于Meta推出的Voicebox AI模型，能生成各种环境音、自然对话语音能够同时接收语音及文字输入，并整合了音频生成和编辑能力，……

标签：AI声音生成 AI音频生成 Audiobox

链接直达手机查看

Audiobox介绍

Audiobox 是一款Meta推出的AI声音生成模型，Audiobox是基于Meta推出的Voicebox AI模型，能生成各种环境音、自然对话语音能够同时接收语音及文字输入，并整合了音频生成和编辑能力，用户可同时使用语音及文字描述，让这款模型生成所需的音频。

在可控性方面，Audiobox展现了前所未有的性能，其质量和相关性超过了以前的模型，如AudioLDM2、VoiceLDM和TANGO。它还可以进行音频填充，允许用户在音频片段中插入或修改音效。

为了解决潜在的滥用问题，如声音模仿，Audiobox包括了安全功能，如自动音频水印，这在音频中嵌入了一种不可察觉的信号，以追踪其来源，以及在其交互式演示中的声音验证功能，以防止模仿。

1、音频生成：能生成声音和音效，结合声音输入和文本提示。

2、先进控制：提供高度可控性，超越了以前的模型（如AudioLDM2, VoiceLDM, TANGO）。

3、声景生成：能够使用自然语言提示来描述和生成声景，例如“河流奔流和鸟鸣”。

4、声音编辑：可以用于剪切和再生成音频段落，插入声音效果，例如“雨中的狗叫声”。

5、安全措施：包括自动音频水印和声音验证功能，以防止滥用和模仿。

6、研究和开发：目前主要面向研究人员和学术机构。

FunAudioLLM是一款致力于提升人类与大型语言模型（LLMs）之间自然语音交互的先进模型。它正以前所未有的方式，重塑着人与机器之间的语音交互。

Linly-Dubbing是一款多语言 AI 配音及视频翻译工具，基于 YouDub-webui 的灵感进行了创新性的拓展和优化。

Bark AI是一个开源的文本转语音（TTS）模型，由Suno公司开发。它基于转换器（Transformer）架构，能够生成高度逼真的多语言语音、音乐、背景噪音以及非语言交流声音，如笑、叹息和哭泣等。

Synthesys是受欢迎和强大的AI文本转语音生成器之一，它可以让任何人通过几次点击就能制作专业的AI配音或AI视频。

Sonauto是一个AI音乐创作平台，它能够将文本描述转化为动听的音乐作品。无论是业余爱好者还是专业音乐人，都可以通过简单的文本输入来指导AI创作出符合自己想法的音乐。

Seed-TTS是字节跳动团队推出的新型语音生成模型。该模型基于自回归Transformer架构，能够生成接近人类语音的自然且富有表现力的语音。Seed-TTS支持语音内容和说话速度的编辑，用户可以灵活调整生成的语音，以适应不同的应用场景。