产品概述
AudioBox是由Meta（原Facebook）研发的尖端AI音频生成模型，能够通过文本描述或语音输入自动生成逼真的语音、音效和音乐。它融合了自然语言理解与声音合成技术，用户只需输入“一条流淌的河流和鸟儿在鸣叫”之类的提示，即可得到匹配的音频。该工具在发布时不需要注册即可在线试用，但根据官网信息，其公开演示已于2026年2月正式关闭，目前仅保留研究页面供学术参考。
核心优势
- **双模态输入**：支持文本和语音同时控制，既能录制样本声音，又能用文字描述修改风格或生成全新内容，实现“用语言调音”的灵活体验。
- **多功能集成**：覆盖语音生成（如配音、有声书）、音效创作（游戏、电影）、声音修复与填充（拖拽区域并描述替换效果），一个模型完成多种音频任务。
- **多语言与可定制**：支持多种语言的内容生成，并能根据应用场景（教育、营销、音乐制作）定制个性化音频签名，提升交互沉浸感。
适用场景
- **内容创作**：为视频、播客、有声读物自动配音或生成背景音效。
- **游戏与VR**：快速生成环境音效（水流、鸟鸣）、角色语音或动态音频反馈。
- **辅助技术**：帮助语言障碍者通过自然语言描述获取特定语音输出，增强交流工具。
- **研究与教育**：作为AI音频合成的实验平台，或制作互动教学材料的语音模块。