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。