多语言语音合成
支持在六种语言中合成语音，同一模型即可覆盖多语言的文本转语音需求，适合需要多语种配音或语音样本的团队一次接入、多处复用。
价格官网未标价
平台Web
归类配音与音频
收录2026-10-10
复核2026-10-10
编辑评分
4.2 / 5
★★★★☆
Voicebox编辑总结
Voicebox 是 Meta AI 推出的语音生成模型，基于 Meta 的非自回归 flow matching 架构训练。它能跨六种语言合成语音、消除瞬态噪声、编辑语音内容、在语言内部和跨语言转移音频风格，并生成多样的语音样本。凭借对大规模数据上文本引导语音填充任务的学习，它通过上下文学习在多项语音任务上超过单一用途的 AI 模型；还给出生成速度比最先进的自回归模型快 20 倍。短板在于目前它更偏研究展示，页面上没有提供可直接使用的在线产品入口，普通用户想实际用上还需要等官方开放或第三方落地。
Voicebox是什么？
Voicebox 是 Meta AI 研究团队开发的语音生成模型，面向语音合成、语音编辑等语音任务的研究与应用场景。
它是基于 Meta 的非自回归 flow matching 模型构建的，通过在大规模数据上学习求解文本引导的语音填充（speech infilling）任务，再借助上下文学习完成多种语音任务。在语言内部与跨语言转移音频风格，并生成多样的语音样本；生成语音的速度最高比最先进的自回归模型快 20 倍。
对研究者来说，它可以作为语音生成任务的基线模型来对比；对开发者来说，这类模型能力可能通过后续的接口或开源形态接入产品；对普通用户来说，目前主要还是通过 Meta AI 的发布页面了解其能力演示，暂未见面向大众的操作入口。
Voicebox核心功能
瞬态噪声消除
能移除录音中的瞬态噪声，对现场收音、旧音频素材等嘈杂来源做清理，减少单独跑降噪流程的步骤。
语音内容编辑
可以直接编辑语音内容，修改口误或局部文案后重新生成对应片段，不必整段重录，适合播客与有声内容制作。
跨语言风格转移
能在语言之间转移音频风格，把一段音频的音色或说话风格迁移到另一语言的表达上，服务多语言内容本地化场景。
多样样本生成
对同一段文本可以生成多样的语音样本，方便挑选语气、节奏不同的版本，避免所有输出千篇一律。
生成速度快
官方口径为生成语音最高比最先进的自回归模型快 20 倍，来自其非自回归 flow matching 架构，批量生成时能明显缩短等待。
上下文学习
通过学习文本引导的语音填充任务，Voicebox 以上下文学习方式在多项语音任务上超过单一用途模型，一个模型覆盖多种任务。
Voicebox适合谁用？
语音研究者
推荐关注语音生成前沿的研究者可以把它作为非自回归路线的代表性模型来对比实验、复现论文结果。
多语言内容团队
推荐需要多语种配音、音频风格本地化的团队，可关注其六语言合成与跨语言风格转移能力在产品中的落地。
播客与有声制作
有条件语音编辑与噪声消除能力对修正口误、清理素材有直接价值，但目前没有公开的在线工具入口，实际使用需要等开放。
想立刻用的普通用户
不推荐页面目前是模型介绍而非可操作的产品，只想在线输入文字就出语音的用户现在用不上，建议先看其他可用的配音工具。
Voicebox优点和缺点
优点
- 支持六种语言的语音合成
- 生成速度比自回归模型快 20 倍
- 一个模型覆盖合成、降噪、编辑等多项语音任务
- 支持语言间音频风格转移
- 非自回归架构，生成路线较新
缺点
- 页面为研究发布页，没有公开的在线使用入口
- 官网未提供价格或开放 API 信息
- 普通用户暂时无法直接体验
Voicebox关键指标
Voicebox常见问题
Voicebox 支持哪些语言？＋
官方页面说明它可以跨六种语言合成语音，但页面没有逐一列出这六种语言的具体名单。除合成之外，它还能做噪声消除、内容编辑、语言内部与跨语言的音频风格转移，以及生成多样的语音样本。
它和普通配音工具有什么不同？＋
Voicebox 不是套壳的文本转语音产品，而是 Meta AI 基于非自回归 flow matching 架构的语音生成模型，通过学习文本引导的语音填充任务，用上下文学习在多项语音任务上超过单一用途模型，生成速度为最高比最先进的自回归模型快 20 倍。
多少钱，免费吗？＋
目前页面上没有出现任何价格、套餐或 API 计费信息，它仍处于研究模型发布阶段，没有公开的商用收费方式。想跟进可用性，建议关注 Meta AI 的后续发布。
现在能在网上直接用吗？国内能用吗？＋
官方页面目前是模型能力介绍，没有提供在线试用的操作入口，所以无论国内外用户都还不能直接在网页上生成语音。国内用户如需配音工具，可以先选已开放使用的商业产品。
和 ElevenLabs 这类工具怎么选？＋
未提及具体竞品对比。从公开信息看，Voicebox 的优势在多任务覆盖与 20 倍生成速度，但尚未开放产品；如果你的需求是马上出成品配音，应选可直接使用的商业工具，Voicebox 更适合作为技术路线参考。
Voicebox竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Voicebox本工具 | 4.2 | 未标价 | 多语言语音合成；瞬态噪声消除；语音内容编辑；跨语言风格转移 | Web |
| Voxify | — | 未标价 | Voxify 是一个 AI 语音生成器，可以将文本转换为多种语言的语音 | — |
| OpenVoice V2 | — | 未标价 | OpenVoice V2是一款支持多语言的语音合成模型，提供高质量的语音克隆与风格控制功 | — |
| FineVoice | — | 页面未见价格与免费额度说明，公开介绍标注为 Freemium | FineVoice 官网,ai 语音增强，变声器，语音生成 FineVoice 简介 是一种人 | Web |
| Audiobox | — | 未标价 | Audiobox 是 Meta 推出的免费 AI 语音和声音生成模型，能结合语音输入和自然语言文本 | — |
| Fish Speech | — | 未标价 | 语音合成工具，提供高质量的语音生成服务 | — |
