近日，Facebook、Instagram等社交平台母公司Meta推出了可执行多种任务的生成式语音模型——Voicebox。Voicebox支持文本自动生成英语、法语、德语、西班牙语、波兰语或葡萄牙语6种语音，还提供去除噪声、语音编辑、风格转换和多样化语音合成功能。总之，这是一个开创性语音模型，属于语音模型界的“ChatGPT”。
语音降噪和编辑：Voicebox 的上下文学习能力，可以在音频录音中生成无缝衔接的语音片段。例如，可以用于被噪声破坏的语音、纠正说错的文本等。所以，该功能可以帮助专业媒体人更快的编辑音频。
文本到语音合成：用户使用长度仅为2秒的输入音频样本，Voicebox 就可以自动匹配样本的音频风格并将其用于文本到语音生成。该功能可以帮助很多无法说话的聋哑人，实现“说话”。
跨语言风格生成：给定一个语音样本和一段英语、法语、德语、西班牙语、波兰语或葡萄牙语的文本，Voicebox 都能以该语言读出该文本。该功能可以帮助人们用自己的语音进行真实地交流，即便他们来自不同的国家、地区。
多样化语音采样：从多样化的自然数据中学习后，Voicebox 可以生成贴近现实说话的声音，并且支持英语、法语、德语、西班牙语、波兰语和葡萄牙语六种语言。所以，可用于生成语音数据，可帮助用户更好地训练语音助手模型。
Voicebox的主要用途：帮助媒体人轻松编辑音轨;Voicebox可生成6种自然语言的语音，所以，该功能可用于生成语音训练数据，帮助企业、个人开发者更好的训练语音助手模型。
目前，Meta在大语言、扩散、视觉切割、语音等领域，发布了很多功能强大的模型，例如，其开源的LLaMA已成为类ChatGPT开源模型中应用最多、影响力最大的模型之一。前不久在Meta的高层会议上，扎克伯格表示，未来Meta的Instagram、Whatsapp、Messenger等招牌产品都会引入生成式AI功能，为用户提供文本生成、图片生成、AI聊天等服务，加大对生成式AI的布局赶上微软、谷歌的脚步。
