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