6 月 19 日消息，Meta 目前發(fā)布了 Voicebox AI 模型，相對于只能使用文字或圖片回復(fù)的競品模型，Voicebox AI 模型的優(yōu)勢主要如其名，能夠生成用于回復(fù)的音頻消息。

據(jù)悉，Voicebox AI 模型只需要一段 2 秒鐘的音頻樣本，即可準(zhǔn)確辨別出音頻細(xì)節(jié)、音色，并基于文字結(jié)果轉(zhuǎn)換為語音輸出，支持英語、法語、德語、西班牙語。此外，Voicebox 還具備“基于語音片段前后內(nèi)容來補(bǔ)齊中間缺失內(nèi)容”的能力。

Meta 表示，Voicebox 可以為基于 AI 的虛擬助手或元宇宙中的 NPC 提供自然而真實的語音效果。而對于無障礙方面而言，Voicebox 也可以對聲帶受損的人群提供一定的協(xié)助作用。

IT之家經(jīng)過查詢得知，Voicebox AI 模型目前仍處于研發(fā)階段。Meta 表示，他們意識到這種人工智能技術(shù)在虛假偽造方面，可能會帶來潛在危害，因此 Meta 目前正在努力找到一種有效的方式來區(qū)分真實語音和由 Voicebox 生成的音頻，在找到解決方案前，暫時不會向公眾公開提供。目前可以在這里找到 Voicebox 模型的更多信息。

關(guān)鍵詞：