Meta 開放 Audiobox 試用：支援零樣本語音合成與文本生成音效

想給一段影片配上腳步聲，或者讓 AI 用你的聲音讀出一段話？Meta 剛剛把這種音訊生成工具開放給大家玩了。

Meta 的 AI 團隊宣佈上線基礎研究模型 Audiobox 的試用 Demo。這是一款面向音訊生成的基礎模型，普通人現在就能在瀏覽器裡直接上手體驗。

聲音克隆與音效生成全包了

根據官方公佈的資訊，Audiobox 的 Demo 覆蓋了多種音訊處理能力。

它不僅支援零樣本語音合成（Zero-shot TTS），也就是隻靠極短的參考音訊就能模仿發音，還支援文本生成音效，直接用文字描述生成環境聲或音效。

此外，模型還具備音訊補全（Infilling）等能力，可以用來替換或填補現有音訊裡的特定片段。

為什麼重要

Meta 把零樣本配音、音效合成和區域性修補打包放進同一個 Demo，對內容創作者和影片播客來說非常友好。這意味著以後給影片補錄一句臺詞，或者加一段環境音效，不再需要開啟一堆專業剪輯軟體或者去素材庫慢慢翻。

從技術佈局來看，相比目前市面上專注單一語音克隆或單一音樂生成的工具，Meta 顯然把 Audiobox 當作音訊領域的統一基礎模型來推。把試用門檻放低到網頁端，能讓更多普通使用者參與測試，也方便官方收集反饋進一步調優。

不過目前這只是研究性質的 Demo，生成音效的細節還原度以及在複雜背景下的穩定性，還需要大家在實際測試裡多觀察。