#Perception Encoder Audiovisual

AIモデル拡散指数 34

Metaが「SAM Audio」公開：動画上のクリックやテキストで特定音を分離

Metaは音声分離マルチモーダルモデル「SAM Audio」を発表した。画像分割のSAMと同様に、動画内の対象（ギターなど）のクリック、テキスト指示、時間指定など直感的なプロンプトで、複雑な混音から狙った音だけを抽出できる。Segment Anything Playgroundで試用可能。