SAM Audio 是一个 AI 驱动的音频分离与声音隔离服务，将 Meta 的 Segment Anything Audio Model 引入用户的工作流程。它使用多模态提示（自然语言、视觉选择或时间标注）从复杂的音频混合中隔离声音。
主要能力
- 文本提示：用自然语言描述声音（如“狗叫”或“钢琴演奏”），即可从复杂音频混合中即时隔离该声音。
- 时间跨度提示：指定精确的时间范围（如 6.3 至 7.0 秒）来隔离声音，实现精细的时间选择。
- 视觉提示：支持在视频上进行视觉提示。
- 统一音频分离：一个模型处理语音、音乐、乐器和音效等所有音频分离任务，无需切换工具，并保留原始采样率。
- 输出：目标音频与残差音频（target/residual），用于编辑工作流。
使用方式 网站提供分步教程，指导安装 SAM Audio、获取模型权重、运行推理以及导出目标/残差音频以供编辑。同时提供关于访问 SAM Audio 权重、了解 GPU/VRAM 需求、选择模型大小以及审查许可证注意事项的资源，以及针对文本提示、视频视觉提示和跨度提示的实用提示词模板，用于更干净地隔离人声、乐器或噪声。
适用场景
- 音乐制作与混音：从任意曲目中隔离人声、鼓、贝斯和乐器，用于混音和母带处理。
- 播客与语音增强：移除背景噪声、隔离说话人并提升对话质量。
- 影视后期制作：从原始素材中提取对话、音效或音乐。
- 无障碍与助听：增强音频以辅助听力，并提高字幕准确性。
- 音频研究与分析：隔离环境声音、动物叫声或科学录音。
- 创意音频工具：为下一代音频编辑软件和创意应用提供基础。
限制与说明 网站提供常见问题排查，涵盖 CUDA 错误、缺失权重、FFmpeg 问题、内存不足、推理缓慢和分离效果不佳等问题。网站声明其为独立 AI 服务，与任何模型提供方均无关联，并在自有基础设施上部署和优化 Apache-2.0 许可的模型。关于是否免费使用、具体价格、支持的具体输入输出格式、技术要求的细节等信息，页面以问题形式列出但未在提供资料中给出明确答案，暂未提供。
