Voicebox

Voicebox 是一种基于Meta的非自动性流量匹配模型构建的最先进的语音生成模型。通过学习通过大规模数据来解决文本指导的语音填充任务，Voicebox 通过context学习在语音任务上均优于单一目的AI模型。Voicebox 可以跨六种语言综合语音，删除瞬态噪声，编辑内容，在语言内和跨语言中传输音频样式，并生成多样化的语音样本。更糟糕的是，它的语音比最先进的自动回归型号快20倍。

Voicebox是一个先进的语音生成模型，它通过上下文学习在多种语音任务上超越了单一用途的AI模型。该模型能够合成六种语言的语音、去除瞬态噪音、编辑内容、转换音频风格，并生成多样化的语音样本。