您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
Meta将Segment Anything带到音频上，编辑者只需点击或文字提示即可从视频中提取声音
2025年12月29日 由 alex 发表
3239
0
Meta 正在将“Segment Anything”方法引入音频，专注于残像和3D模型。新的AI模型SAM Audio通过文本命令、时间标记或视觉点击，将单个声音源从复杂混音中分离出来。
Meta表示，该系统是首个能够跨不同输入方式处理这一任务的统一模型。它不再需要为每个用例单独使用工具，而是灵活响应用户抛出的任何类型的命令。
该系统提供三种可组合使用的控制方法。用户可以输入文字命令，如“狗叫”或“唱歌声”，以分离特定声音。他们可以直接点击视频中的物体或人物，提取匹配的音频。或者他们可以使用时间标记——称为span提示——来定位目标声音出现的片段。
Meta 在音乐制作、播客和电影剪辑方面有潜在应用;例如过滤外部镜头中的交通噪音，或在录音中分离乐器。
文章来源：https://the-decoder.com/meta-brings-segment-anything-to-audio-letting-editors-pull-sounds-from-video-with-a-click-or-text-prompt/
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
写评论取消
回复取消