SAM Audio
梳理 Meta SAM Audio 的音频分割思路：文本、视觉与时间段三类提示怎样叠加锁定目标声音，分轨与降噪能到什么程度，以及 PE-AV 编码器起什么作用。
Meta 的统一式音频分割与编辑模型，用于在复杂混音里按提示隔离并编辑特定声音。SAM Audio 支持三类可叠加提示：文本、视觉（在画面点选发声对象）与时间段（圈定声音区间），可用于乐器与人声分轨、录音降噪与播客去杂音。官方开放推理代码与多尺寸权重。
PE-AV（Perception Encoder Audiovisual）开源解读：驱动 SAM Audio 的音频分离引擎
一、摘要 PE-AV（Perception Encoder Audiovisual）是 Meta 开源的音频-视觉联合编码器家族，在 Perception Encoder 基础上加入原生音频能力，用统一嵌入空间对齐视频、音频、音视频与文本表征。它被用于支撑 SAM Audio 的关键组件，并在多项音...
Admin
168 
SAM Audio上线Segment Anything Playground：从混合音轨中提取任意声音元素
Meta推出SAM Audio（SAM-Audio），定位为“统一式”音频分割与编辑AI模型，目标是在复杂混音中按提示隔离并编辑特定声音。典型用例包括：在乐队演出视频中单独提取吉他或人声、过滤户外交通噪声、从播客里去除狗叫等干扰音。 SAM Audio的交互方式强调“人类直觉式提示”，支持三类提示并...
Admin
257