Meta 刚发的 SAM Audio 这个多模态分离模型。
解决了我这种内容创作者最头疼的问题：在吵闹的街边拍Vlog，也能一键精准抠出人声，甚至能靠点选视频画面来分离声音。
1️⃣ 用眼睛「听」声音：它有个 PE-AV 感知编码器（像人的耳目协同）。我在视频里点一下吉他手，它就能把吉他声单独拎出来。不用再在复杂音轨里反复横跳，就像在 Photoshop 里用魔棒抠图一样直观。
2️⃣ 输入文字就能删杂音：我试过在越南菜市场录音，背景里全是摩托车喇叭和人声。直接打字输入「删除背景喇叭声」，它就处理得干干净净。实测处理一小时音频大概只要 40 多分钟。
3️⃣ 像「超梦」一样的时间标记：它支持标记一段声音样例。比如录音里偶尔有狗叫，我标记一段，它就能把全篇类似的杂音都抓出来。
强烈建议做播客或剪视频的朋友尝试下 SAM Audio。
#AI工作流 #SAMAudio #数字游民 #效率工具 #音频剪辑
Meta 刚发的 SAM Audio 这个多模态分离模型。
更多动态
现在Gemini网页版创建Gems支持将NotebookLM设置成知识库
了
以前总觉得“Flash”就是“降智版”，但这次真被打脸
。Gemini 3 Flash 实测下来，丢给它一坨屎山代码，218 tokens/s 的速度简直是在屏幕上飞。 最离谱的是在 SWE-bench 拿了 78%，写代码居然比自家 Pro 还强。 不过有一说一，价格涨到了 $0.50/1M tokens，比上代 Flash 贵了一丢丢。但考虑到它能少说废话直接出货，综合成本其实反而低了。 #AI工作流 #独立开发 #Gemini3Flash
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
