Audiobox

Audiobox 是 Meta Platforms Inc.（原 Facebook）于 2023 年 9 月 27 日推出的 AI 音频生成研究模型，是 Meta 最先进的语音和音频生成系统，取代了之前的 Voicebox 模型。作为 Meta 的旗舰音频 AI 研究项目，Audiobox 定位为"用声音和文本输入生成音频的基础模型"，展示了 Meta 在语音克隆、文本转语音（TTS）和音频生成领域的最新技术成果。平台托管于 Meta Demo Lab（audiobox.metademolab.com），面向公众免费提供实验体验。

Audiobox 采用多模态架构，可同时接受语音录音和文本提示作为输入，这是其区别于前代 Voicebox 和其他竞品的核心特色。平台支持语音克隆（从短音频样本克隆声音）、文本转语音（将文本转换为自然语音）、音频生成（从文本描述生成音效和环境音）、声音填充（修改或扩展现有音频）等功能。用户只需描述所需音调、音高或风格，即可生成独特的 AI 语音，例如"大教堂中的风铃"等复杂音效。

核心功能

Audiobox 支持多种语言，输出音频质量高，适合研究演示用途。平台提供 Web 界面，用户无需安装任何软件即可体验 AI 音频生成功能，可生成音频样本、试听预览并下载到本地设备。相比 ElevenLabs、Play.ht、Murf AI 等商业化产品，Audiobox 的独特优势在于 Meta 强大的研究实力、语音 + 文本双模输入的创新架构、以及完全免费的研究 Demo 定位。但需要注意的是，Audiobox 目前仅作为研究项目，不提供商业 API，不适合商业应用场景。