Meta发布VoiceboxAI模型，音频模拟方面有着显著优势

新知榜官方账号

2023-08-19 08:46:31

Meta发布VoiceboxAI模型，音频模拟方面有着显著优势

近日，Meta发布了VoiceboxAI模型，它在音频模拟方面有着显著优势。据悉，Voicebox只需要一段2秒钟的音频样本，即可准确辨别出音频细节、音色，并基于文字结果转换为语音输出。Voicebox是一种生成式AI模型，可以帮助进行音频编辑、采样和造型。这种技术在未来可以用来帮助创作者轻松编辑音轨，同时，它也能够为声带受损的人群提供协助，帮助TA们重新“发声”。让视障人士能够用他们的声音听到朋友的书面信息，并使人们能够用自己的声音说任何外语。同时，它还可以基于语音片段的前后内容，自动补齐中间缺失的内容。

根据Meta的介绍，Voicebox能够为AI助手，或是未来元宇宙的NPC提供自然且真实的语音效果，大大提升用户使用时的沉浸感。Voicebox的多功能性支持各种任务，包括：

上下文文本到语音合成：使用短至两秒的音频样本，Voicebox可以匹配音频风格并将其用于文本到语音生成。
语音编辑和降噪：Voicebox可以重新创建被噪音打断的部分语音或替换说错的词，而无需重新录制整个语音。例如，您可以识别被狗叫声打断的一段语音，将其裁剪，然后指示Voicebox重新生成该段——就像用于音频编辑的橡皮擦一样。
跨语言转换：当给定某人演讲样本和一段英语、法语、德语、西班牙语、波兰语或葡萄牙语的文本时，Voicebox可以生成任何这些语言的文本阅读，即使样本语音和文本是不同的语言。将来可以使用此功能来帮助人们以更自然、更真实的方式进行交流，即使他们不会说这些语言。

Voicebox基于一种称为流匹配的方法，该方法已被证明可以改进扩散模型。Voicebox在可懂度（5.9%对1.9%的单词错误率）和音频相似性（0.580对0.681）方面优于当前最先进的英语模型VALL-E，同时快20倍。对于跨语言风格迁移，Voicebox优于YourTTS，将平均单词错误率从10.9%降低到5.2%，并将音频相似度从0.335提高到0.481。Voicebox取得了新的最先进的结果，在单词错误率方面优于Vall-E和YourTTS。Voicebox还分别在英语和多语言基准测试中的音频风格相似性指标上取得了最新的最新成果。

值得一提的是，Meta目前已经意识到了Voicebox被应用在造假领域时，存在的潜在危害，因此他们正在寻找一种区分真实语音和Voicebox生成语音的方法。在找到解决方法前，Meta将不会向公众公开VoiceboxAI模型，以避免不必要的危害。

编辑点评：AI如今已经被应用在各个领域，作为第一个成功执行任务泛化的多功能、高效模型，相信Voicebox可以开创语音生成AI的新时代。如果Meta不能很好的应对音频造假的问题的话，那么Voicebox这项技术将面临着被封禁的危险。

本页网址：https://www.xinzhibang.net/article_detail-10069.html

寻求报道，请

关键词

Meta VoiceboxAI模型音频模拟

分享至微信：

相关工具

HeyFriday

国内团队推出的智能AI写作工具

秘塔写作猫

AI写作，文章生成

QuillBot

AI英/德语写作润色和改进工具

Spell.tools

高颜值AI内容营销创作工具

Rytr

AI内容生成和写作助手

Jenni

AI研究文章和博客写作辅助工具

三个国外专业免费的调色网站

三个国外专业免费的调色网站无论制作视频、编辑图片，合适的色彩会让你的作品增加视觉冲击力，所以专业的调色技术价值非凡，一部电影或一部好的视频、图片海报，专业调色耗费少则上万，多则上百万，只是大家对专业调色这个行业知之甚少，今天网玩君就为大家分享三个国外专业免费的调色网站，记得收藏好，以后编辑视频、图片

分类标签调色网站免费

04-18 16:42

电影制作中的纹理技术

纹理在电影制作中的重要性纹理是指将详细的表面特征应用于3D模型或视觉效果元素，使其看起来更逼真。纹理对于创建视觉上引人入胜且可信的电影场景至关重要，尤其是涉及CGI、动画或特效的场景。纹理还支持叙事和讲故事，可以通过纹理设置年龄大小等属性，为故事奠定基础。纹理技术的发展历程自胶片问世以来，电影制作人

分类标签纹理电影制作CGI视觉效果微缩模型UV映射

04-18 16:42

UnrealSynth虚幻合成数据生成器-NSDT

UnrealSynth虚幻合成数据生成器-NSDTUnrealSynth基于UE5虚幻引擎开发，可用于生成合成数据集，包括图像和标注数据。可用于各种行业细分场景中目标识别任务的实施效率提高。UnrealSynth合成数据工具包内容UnrealSynth基于UE5虚幻引擎开发，目前支持YOLO系列模型

分类标签 UnrealSynth虚幻引擎数据合成YOLO模型深度学习训练数据

04-18 16:42

人工智能与音乐：谷歌的Project Magenta

谷歌的Project Magenta利用人工智能技术生成音乐和其他艺术形式，如素描、视频和笑话。该项目的目标是为人们创造新的交流方式。本文介绍了该项目的背景、发展历程和应用。在上世纪90年代中期，谷歌研究院的Douglas Eck就开始了他的人生目标：融合人工智能与音乐。二十年后，他与一支谷歌研究团

分类标签人工智能音乐谷歌

04-18 16:42

如何做好SEO优化？

如何做好SEO优化？想要做好SEO优化，得从站内优化和站外优化两个方面入手。一、站内优化1.关键词定位和分析关键词整理是SEO优化中的核心工作，一旦定下来就不建议再次去更改。站长始终要记住关键词一定要和行业、产品、领域息息相关，同时还可以参考竞争对手所做的关键词，可以利用站长工具、5118、爱站网、

分类标签 SEO优化关键词定位网站架构布局

12-11 08:19

万兴科技：营收实现稳健增长，拥抱AIGC新机遇

万兴科技：营收实现稳健增长，拥抱AIGC新机遇国元证券股份有限公司耿军军近期对万兴科技进行研究并发布了研究报告《2022年年度报告点评：营收实现稳健增长，拥抱AIGC新机遇》，本报告对万兴科技给出买入评级，当前股价为75.24元。万兴科技(300624)事件：公司于2023年4月7日收盘后发布《20

分类标签万兴科技营收增长AIGC

12-11 02:11

AI分身市场潜力巨大，万兴科技、京东等已率先布局

“AI孙燕姿”和“CarynAI”引爆市场最近，“AI孙燕姿”和“CarynAI”以以假乱真的程度引爆市场，都是通过采集本人的语音、文字、图像等素材，并通过开源的生成式训练模型进行训练而成。其中，“CarynAI”成功地借助AI技术，打造了自己的AI分身，通过付费的方式，跟AI版的自己进行交往，预计

分类标签 AI孙燕姿CarynAIAI分身AIGC技术虚拟主播数字人

12-11 02:10

万兴科技推出名师必备讲演神器“万兴智演”

万兴科技推出名师必备讲演神器“万兴智演”9月8日，万兴科技面向泛知识领域，推出名师必备讲演神器“万兴智演”。该款AI演示新品集成强大的AIGC能力、精美的行业课程模板以及动画特效素材，大大简化课件制作过程。同时，产品内置强大的录制、直播功能，通过真人实拍与演示内容相结合的形式，实现人景融合的实时演示

分类标签万兴科技万兴智演AI演示

12-11 02:09

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲2023互联网岳麓峰会论坛上，万兴科技创始人、董事长兼总裁吴太兵进行主题演讲。红网时刻新闻记者郭雅倩甘红长沙报道十届、十年，岳麓峰会从2014年的“湖湘汇”到如今云集万人的盛会，积攒了巨大的关注度和影响力。6月19日，2023互联网岳麓峰会在长

分类标签万兴科技吴太兵岳麓峰会

12-11 02:05

樟宜机场：通过科技改变旅客体验

樟宜机场：通过科技改变旅客体验樟宜机场在智能手机上移动的小红点代表了在机场上空飞行的飞机，通过传感器的追踪获取了相关飞行轨迹。机场通过人工智能、面部识别和数据分析等技术的应用，不断提高机场运营效率，保持创新，致力于成为一个旅客体验更佳、充满活力的目的地。人工智能优化机场运营效率樟宜机场在2017年共

分类标签樟宜机场科技旅客体验

12-10 22:16