Meta的SAM Audio技术：一键实现声音分离

Meta用SAM Audio革新音频编辑技术

想象一下，只需点击音乐会视频中的乐手就能提取吉他独奏，或输入"狗叫"就能从喜欢的播客中过滤犬吠声。这不是科幻小说——这正是Meta新推出的SAM Audio技术创造的现实。

SAM Audio工作原理 其核心是名为「感知编码视听系统」(PE-AV)的技术，Meta称之为模型的"耳朵"。这项巧妙的技术以前所未有的方式将视觉理解与音频处理相结合，相当于赋予AI人类在嘈杂环境中聚焦特定声音的自然能力。

三种控制音频的方式 SAM Audio的真正特别之处在于其直观的操作方式：

• 语音指令：输入"人声演唱"或"汽车鸣笛"等短语，系统就会神奇地提取这些声音
• 点击聆听：点击视频中的物体或人物即可分离相关音频
• 标记时段：高亮时间片段（如3:12至3:18）可消除该时段的噪音——就像音频版的Photoshop

Meta将部分功能比作《赛博朋克2077》等游戏中才有的技术。但与未来幻想不同，这项技术现已真实可用。

技术开源计划 为加速行业音频创新，Meta发布了两项重要工具：

• SAM Audio-Bench：音频分离技术的真实测试平台
• SAM Audio Judge：自动质量检测器，评估声音分离的纯净度

潜在应用场景令人惊叹——从使会议录音清晰可辨，到创建可自主控制听觉的AR沉浸体验，甚至可能改善听障人士的辅助设备。

随着视频内容持续爆发式增长，SAM Audio代表着我们与声音交互方式的根本转变。从被动接听到主动控制音频——这可能只是AI改变我们感官体验的开端。

核心亮点：

• 点击式声音分离让音频编辑大众化
• 视觉与听觉处理结合获得更精确结果
• 开源工具旨在标准化音频分离技术
• 应用范围涵盖娱乐科技到辅助设备