克隆用户声音：录制声音，即可按用户声音风格或任意音频样本风格生成语音。
文本生成人声：用文字描述声音风格与声学环境生成对应人声。
更改声音风格：结合声音样本与文本描述，将现有声音转换为新风格、情绪或环境。
文本生成音效：根据自然语言描述（如"流水声伴随鸟鸣"）生成环境音与音效。
噪音消除：Magic Eraser功能可消除录音中的瞬态噪声。
声音填充：根据文本描述，用新声音替换音频中的指定部分。
音频故事制作器：通过Audiobox Maker组合人物语音与声效，编排原创音频故事。

访问平台：打开官网https://audiobox.metademolab.com/，点击"Try demos"进入演示页面。
选择功能：选择"Create Audio"（创建音频）或"Edit Audio"（编辑音频）下的具体功能。
提供输入：录制或上传语音样本作为参考，并输入希望生成的语音或音效的文字描述。
生成与试听：点击"Generate"按钮，即可生成音频并在线试听。
下载保存：确认效果满意后，将音频下载保存即可。

双输入自由控制：首个支持"语音样本+文本提示"双输入的语音生成模型，声音样本锁定音色，自然语言决定风格与环境，实现精细化控制。
统一架构、一模型多能：可同时处理语音、音效与声景的生成和编辑，无需切换工具。
质量与速度兼得：FAD（弗雷歇音频距离）较此前最优产品降低50%，音质媲美真实音频；定制求解器使生成速度提升25倍以上。
免费开放、零门槛：模型免费开源，网页Demo可直接体验，无需专业音频知识。
安全可控：生成音频均带可追溯的隐形水印，兼顾创作自由与内容安全。

与Voicebox相比：Voicebox仅支持文本到语音，且因深度伪造风险未向公众开放；Audiobox支持语音、音效与环境声生成，首次实现语音+文本双输入，并以网页Demo免费开放。
与主流模型相比：据Meta测试，Audiobox在音质与生成准确性上全面超越AudioLDM2、VoiceLDM及TANGO等当时最佳模型。
与OpenAI、谷歌等竞品相比：差异化优势在于统一的生成+编辑能力、零样本语音克隆与完全免费开放；多数竞品或聚焦单一语音合成，或尚未开放公众试用。

Q1: Audiobox是免费的吗？
A1: 是的。模型免费开源，网页Demo也免费开放，可直接试用语音与音效生成，每日有免费额度。
Q2: Audiobox支持中文吗？
A2: 目前网页演示主要支持英文输入，暂不支持中文文本提示，中文用户需使用英文描述生成音频。
Q3: 生成的音频可以用于商业用途吗？
A3: 目前仅面向研究目的开放，生成音频不可商用；受当地法律限制，美国伊利诺伊州和得克萨斯州的用户暂时无法使用。
Q4: 如何获得Audiobox的访问权限？
A4: 普通用户可直接访问官网使用在线Demo；如需获取模型授权深入研究，需向Meta提交申请并通过审核。
Q5: 生成的音频会带有水印吗？
A5: 会的。生成音频都带有可自动追溯来源的隐形水印，有助于识别AI内容，防止深度伪造滥用。