Voicebox es una inteligencia artificial generativa que en lugar de generar texto como ChatGPT, genera audio hablado. Solo hay que tomar una de sus características para darse cuenta de lo peligrosa que puede ser: con solo dos segundos de audio, genera cualquier diálogo imitando a la perfección ese tono de voz. Es fácil imaginar las aplicaciones malignas de esta característica, en todo tipo de deepfakes, estafas y suplantaciones de personalidad. Voicebox es, según Meta, la inteligencia artificial basada en voz más avanzada que existe. A nivel técnico, su principal ventaja es la forma en que aprende. Voicebox usa una técnica llamada Flow Matching, que solo requiere unos segundos de audio y su traducción, para que Voicebox pueda trabajar con él.