Meta推出语音生成大模型产品Voicebox，可进行去噪、内容修改、风格转换

共计 378 个字符，预计需要花费 1 分钟才能阅读完成。

Meta 推出大模型产品 Voicebox，这是一款语音生成产品。据 Meta 表示，Voicebox 可以合成英语、法语、德语、西班牙语等六种不同语言的语音，除了可以根据文本生成语音内容外，还可以进行去噪、内容修改，风格转换等任务。该模型基于 Flow Matching 技术，可以对扩散模型进行改进。Meta 还比较了 Voicebox 和 Vall-E、YourTTS 等其它音频 AI 模型，表明 Voicebox 更先进，在比较单词错误率和样式相似性时优于两种模型。

论文地址：https://research.facebook.com/publications/voicebox-text-guided-multilingual-universal-speech-generation-at-scale

官方 Demo：https://voicebox.metademolab.com