跳到正文

AudioSep

用自然语言查询分离音频中的声源

访问官网

audiosep 是什么

AudioSep 是一个以自然语言查询为输入的开放领域音频源分离模型。

你可以用它做什么

  • 从混合音里抽出吉他声
  • 把演唱人声单独分离出来
  • 在嘈杂录音中增强语音

主要特点

  • 文本编码器搭配分离模型
  • 音频事件与乐器分离任务
  • 资料描述的强零样本泛化能力

补充说明

  • 训练使用大规模多模态数据集
  • 评估覆盖分离与语音增强
  • 源代码与评估基准计划发布

优点与缺点

✓ 我们认可的地方

  • 用自然语言查询驱动分离过程
  • 资料说明将发布源代码、评估基准和预训练模型

! 需要留意的地方

  • 架构依赖两个独立的关键组件
  • 查询形式限于音频标题或文本标签

常见问题

两个关键组件是什么?

资料点名了文本编码器和分离模型。

支持什么查询?

资料列出了音频标题或文本标签作为查询。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法