Meta 介绍了一种「突破性」的生成式语音系统，它可以合成六种语言的语音，执行噪声消除、内容编辑、转换音频风格等 … Meta 表示，Voicebox 是第一个没有经过专门针对语音生成的训练，却可以泛化到语音生成任务的模型 … Voicebox 基于流匹配（Flow Matching）模型，这是 Meta 在非自回归生成模型方面的最新进展，其可以学习到文本和语音之间高度非确定性的映射关系。