6 月 19 日消息，Meta 目前发布了 Voicebox AI 模型，相对于只能使用文字或图片回复的竞品模型，Voicebox AI 模型的优势主要如其名，能够生成用于回复的音频消息。
据悉，Voicebox AI 模型只需要一段 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，支持英语、法语、德语、西班牙语。此外，Voicebox 还具备“基于语音片段前后内容来补齐中间缺失内容”的能力。
Meta 表示，Voicebox 可以为基于 AI 的虚拟助手或元宇宙中的 NPC 提供自然而真实的语音效果。而对于无障碍方面而言，Voicebox 也可以对声带受损的人群提供一定的协助作用。
经过查询得知，Voicebox AI 模型目前仍处于研发阶段。Meta 表示，他们意识到这种人工智能技术在虚假伪造方面，可能会带来潜在危害，因此 Meta 目前正在努力找到一种有效的方式来区分真实语音和由 Voicebox 生成的音频，在找到解决方案前，暂时不会向公众公开提供。目前可以在这里找到 Voicebox 模型的更多信息。