Meta 开放 Audiobox 试用：支持零样本语音合成与文本生成音效

想给一段视频配上脚步声，或者让 AI 用你的声音读出一段话？Meta 刚刚把这种音频生成工具开放给大家玩了。

Meta 的 AI 团队宣布上线基础研究模型 Audiobox 的试用 Demo。这是一款面向音频生成的基础模型，普通人现在就能在浏览器里直接上手体验。

声音克隆与音效生成全包了

根据官方公布的信息，Audiobox 的 Demo 覆盖了多种音频处理能力。

它不仅支持零样本语音合成（Zero-shot TTS），也就是只靠极短的参考音频就能模仿发音，还支持文本生成音效，直接用文字描述生成环境声或音效。

此外，模型还具备音频补全（Infilling）等能力，可以用来替换或填补现有音频里的特定片段。

为什么重要

Meta 把零样本配音、音效合成和局部修补打包放进同一个 Demo，对内容创作者和视频播客来说非常友好。这意味着以后给视频补录一句台词，或者加一段环境音效，不再需要打开一堆专业剪辑软件或者去素材库慢慢翻。

从技术布局来看，相比目前市面上专注单一语音克隆或单一音乐生成的工具，Meta 显然把 Audiobox 当作音频领域的统一基础模型来推。把试用门槛放低到网页端，能让更多普通用户参与测试，也方便官方收集反馈进一步调优。

不过目前这只是研究性质的 Demo，生成音效的细节还原度以及在复杂背景下的稳定性，还需要大家在实际测试里多观察。