Voicebox ist ein generatives KI-Modell, das Sprachaufgaben generalisieren kann. Es erzeugt hochwertige Audio-Clips und kann in sechs Sprachen arbeiten. Voicebox übertrifft bestehende Modelle hinsichtlich Intelligibilität und Audioähnlichkeit. Die Technik ermöglicht es, aus Rohdaten zu lernen, wodurch es vielseitig eingesetzt werden kann. Die Anwendungsmöglichkeiten reichen von Text-zu-Sprache bis hin zu Sprachdenoising und Editing.