Meta 推出 AI 音频模型 Audiobox:支持语音及文字同时输入、可生成多层次声音

[百科] 时间:2024-03-29 18:22:01 来源:蓝影头条 作者:百科 点击:17次
12 月 4 日消息,推出Meta 日前推出了一款 AI 声音生成模型 Audiobox,音频语音音能够同时接收语音及文字输入,模型用户可同时使用语音及文字描述,支持字同让这款模型生成所需的及文音频。

据悉,时输生成这款模型基于 Meta 今年 6 月推出的多层 Voicebox AI 模型,据称 Audiobox 能生成各种环境音、次声自然对话语音,推出并整合了音频生成和编辑能力,音频语音音以便于用户自由生成自己所需的模型音频。

Meta 介绍称,支持字同生成高品质音频需要有大量音频库及深厚的及文领域知识,但大众难以获得这些资源,时输生成而该公司推出这个模型旨在降低声音生成门槛,多层让任何人都更容易制作视频、游戏等应用场景的音效。

发现,这款 Audiobox 模型基于 Voicebox 的“引导声音”机制,以便于生成目标音频,并配合“流量比对(flow-matching)”扩散模型生成方法,以实现“声音填充(audio infilling)”功能,从而生成多层次的音频。

Meta 测试生成带有雷暴声的下雨音频,并输入一系列提示句进行演示,例如“流水声伴随鸟鸣”、“以高音调快节奏说话的年轻女性”等;同时测试了同时输入人声及文字提示,以生成带有情绪(“哀痛而缓慢”)并拥有背景音(身处教堂)的语音。

Meta 声称,Audiobox 在音质及“生成内容的准确度” 顺利击败了 AudioLDM2、VoiceLDM 及 TANGO,超越了现有最佳的音频生成模型。

目前 Audiobox 已经开放向特定研究人员及学术界试用,以供测试模型品质及安全性,Meta 声称,他们计划“再过几周将社会全面公开该模型”。

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,所有文章均包含本声明。

(责任编辑:探索)

    相关内容
    精彩推荐
    热门点击
    友情链接