2025年12月17日，Meta发布了首个统一的多模态音频分离模型SAM Audio，可通过文本、视觉或时间段提示从复杂音频中分离特定声音。该模型基于感知编码器视听（PE-AV）技术，支持点击视频中的物体、输入文本指令或标记时间范围来提取目标音频，如点击吉他分离其演奏声，或过滤播客中的狗叫噪音。Meta同时推出评估基准SAM Audio-Bench与自动评测模型SAM Audio Judge，并已...
网页链接2025年12月17日，Meta发布了首个统一的多模态音频分离模型SAM Audio，可通过文本、视觉或时间段提示从复杂音频中分离特定声音。该模型基于感知编码器视听（PE-AV）技术，支持点击视频中的物体、输入文本指令或标记时间范围来提取目标音频，如点击吉他分离其演奏声，或过滤播客中的狗叫噪音。Meta同时推出评估基准SAM Audio-Bench与自动评测模型SAM Audio Judge，并已...
网页链接免责声明：投资有风险，本文并非投资建议，以上内容不应被视为任何金融产品的购买或出售要约、建议或邀请，作者或其他用户的任何相关讨论、评论或帖子也不应被视为此类内容。本文仅供一般参考，不考虑您的个人投资目标、财务状况或需求。TTM对信息的准确性和完整性不承担任何责任或保证，投资者应自行研究并在投资前寻求专业建议。