Sam Audio:核弹级音频分割AI!小札又开源神器!
发表于|更新于|音频工具
Meta(小札)再次开源了一款”核弹级”AI工具——音频分割AI,它能够从一段混合音频中分离出不同音源的声音。例如,你可以上传一段嘈杂的录音,AI会自动分离出人声、背景音乐、环境噪声等独立音轨。这项技术基于先进的深度学习架构,分离质量极高,几乎不影响音质。对于音频编辑、视频后期和音乐制作来说,这是一个革命性的工具。完全开源免费,可本地运行。
相关推荐

2026-10-19
Runway Gen 4.5 测评报告!六维鹈鹕骑车翻车现场
今天我们穷测下老牌海外顶尖视频生成模型 Runway 的 Gen 4.5。提示词还是那套六维鹈鹕骑车测试,效果一眼看去最严重的问题就是机位,导致镜面反射等完全失效。我们还是一维度一维度看。 第一维度,主体完整性与跨帧一致性。画面缺少镜面护墙、挂钟、后视镜等关键指定物体;玻璃碗里面是软管,而不是提示词要求的筷子;鹈鹕感觉不是叼着玻璃杯,而是被套着个玻璃杯;另外还多出了一台手机。 第二维度,肢体与机械推理。鹈鹕肢体结构违背生物常识,翅膀生成得像人类手掌和腿;提示词说右翅膀没有拿着手机自拍,而是扶着自行车。 第三维度,多层镜面空间推理。镜面护墙完全失效,而提示词要求镜面完整反射全部主体;手机后置摄像头对准镜面护墙自拍,没有了镜面护墙,这个自拍也就无从谈起了。 第四维度,中文文本与时钟渲染:横幅文字完全错乱,挂钟没有看到。第五维度,液体与折射物理:提示词要求自行车前面的玻璃碗水满到快溢出来,这里明显偏低,软管的折射也没有看到。 第六维度,运镜、构图与光影。机位方位或者骑车方向不对——按照整个提示词要求,要看到左边玻璃墙完整反射主体,机位应该在右侧、骑车方向反过来,这样才合理。 这次...

2025-04-18
DeepSeek技巧:快速生成Excel表!
快速跟大家分享个deepseek技巧,我们平时经常需要根据调研或者其他数据生成excel表格,比如某两个产品的对比表之类的。我们知道现在AI很厉害,可以自己上网帮我们找到各种想要的数据,但是最终结果一个个填写到excel表也是挺麻烦的。所以这里跟家说个技巧,我们可以利用deepseek超强的编码能力,叫它直接帮我们把数据变成excel表… 访问入口

2025-02-16
Qwen 2.5 Max:免费生成无水印图片和视频
免费生成无水印图片和视频啊!我在不久前才分享过Qwen2.5-Max,当时测试了基本聊天和写代码能力,performance是超过了deepseek v3的,今天发现我的账号已经可以用它的图片生成和视频生成能力了,所以赶紧给大家demo下。我们来到qwenlm… 访问入口

2026-09-17
一只鹈鹕难倒海内外一众顶尖大语言模型!
想将一张视频封面图片里”小鸟”的文字改成”鹈鹕”,竟然发现难倒了海内外一众号称最能打的模型,最终只有最后一个做到。 首先看一下字节豆包的效果——风马牛不相及。Kimi 则是把可怜的免费积分用完了都没弄完,还自己写代码去做,最后恬不知耻地告诉用户”代码写好了直接跑,你这些都是虚拟机上的路径和环境,我跑个毛线啊”。百度的文心一言做出来的也不知道是什么鬼,不忍直视。腾讯混元选了 HY4 Preview,也是接近但不行。 国内的全军覆没,那看一下海外最强的两家。谷歌的 Nano Banana Pro 有点意外,前面的题字对了,但第二个字错了,如果偏旁也做成古字就成功了。OpenAI 最新的 GPT Image 2.5 其实成功生成了”鹈鹕”两个字,只是没有调整原来文字的位置和大小,导致挤压在一起了。迄今为止生成中文最接近的竟然是个海外模型,心里五味杂陈。 最后看下千问的——竟然成功了,简直不敢相信自己的眼睛。以防万一再试一次,卧槽还是成功了,国内模型扳回一局。 整个测试下来发现,中文文字结构稍微复杂点,大部分大模型都处理不好,但大家都在高大上地吹 AI 要取代人类了。要不先做好”鹈...
2025-11-07
大语言模型为什么知道回答?
如果大家有看过我以前说大语言模型原理的视频的,应该知道大语言模型核心工作方式就是,你输入一句话,它猜下一个字应该是啥。那为什么我们输入 “我国古代四大发明” 时,它不是接着输出 “研究报告” 或者 “趣事” 等,而是给我们介绍是哪四大发明呢?秘密就藏在Chat Template里,是它帮模型明确了 “该做什么”

2025-03-01
DiffusionLLM测评:真能打败自回归模型吗?
上个视频我们聊了Diffusion LLM以及它的倡导者Mercury Coder大语言模型,了解了它和传统自回归大语言模型如DeepSeek等的异同。承诺会去测试下这个特别的模型。 好,那就来吧,我们去到官网… 访问入口
公告






