Meta 发布无对齐 Text-Audiobox 研究

Meta 的人工智能研究页面上出现了一项新工作：Alignment-Free Text-Audiobox for Voice Dubbing and Full-Duplex Dialogue Synthesis。标题指向两项任务：语音配音，以及全双工（full-duplex）对话合成，也就是对话双方可以同时说话的场景。而“无对齐”（alignment-free）意味着该方法不依赖预先计算好的文本与音频对齐数据。

除标题之外，我们手头的来源没有提供任何技术细节。模型规模、训练数据、对比测试结果、开放方式以及发布日期均未说明，因此本文不转述任何关于该系统性能的说法。

目前语音合成方向的研究普遍需要文本与音频之间的对齐信息，而这一标题所提出的思路是绕开这一步。具体做法如何，仍需查看原文。

论文全文可通过来源链接查看。