Audiobox

Audiobox 是 Meta（Facebook）推出的一个非常前沿的研究性项目，它是 AudioLDM 等模型的继承者。提米哥觉得它展示了 AI 在音频领域的“通用生成能力”。它不仅仅是像 TTS 那样把文字变成语音，它是一个全能的音频生成器。

你可以用自然语言描述来生成各种声音。比如你说“一只狗在雨中狂吠，背景有雷声”，它就能生成非常逼真的环境音效（Sound Effects）。这对于电影后期、游戏开发来说非常有用，以前需要去素材库找半天，现在直接生成。它还支持“语音风格转换”，你可以上传一段自己说话的录音，然后描述“把这个声音变成在一个空旷的教堂里”，或者“变成一个老人在说话”，它都能完美执行。

虽然 Audiobox 目前主要是一个演示（Demo）和开源模型，主要面向研究人员和开发者，但它代表了音频生成的未来方向——统一的声音理解与生成。对于音频技术爱好者、科研人员以及想要探索声音无限可能性的开发者来说，Audiobox 提供了一个非常强大的开源模型基础，值得深入研究和把玩。