2. Linux.do
  3. Astra可以通过频谱图推导出原始音频

Astra可以通过频谱图推导出原始音频

NaynIruR 2026-09-07 21:58 1


上图是我自己测试的，只上传了一张图片，不是视频。


吓哭了，Astra可以通过频谱图推导出原始音频是什么。


来源：



感觉这超越我对LLM能力的想象了，这就是AGI的实力吗



补充：我测试了一下我自己的一张图片，这个图片里的词是“瀑布”




Astra连这都能判断正确，并且给出了详细的解读信息。


这个是真的可以震惊瘫坐了，欢迎来到AGI时代。

最新回复 (18)
  • refalogy 09-07 21:59
    1楼

    吓哭了，这是怎么泛化出来的能力，总不能专门训练过看频谱图吧

  • 无水硫酸铜 09-07 21:59
    2楼

    所以真是狗叫声吗

  • NaynIruR 楼主 09-07 21:59
    3楼

    是的就是狗叫

  • ZackWill 09-07 21:59
    4楼

    能不能录几段其他的动物叫试试看（

  • Meowretti 09-07 22:00
    5楼

    我靠这怎么训出来的，是巧合吗

  • Ruihua 09-07 22:03
    6楼

    这也太厉害了吧。

  • NaynIruR 楼主 09-07 22:08
    7楼


    作为对比，这是opus5

  • Isla7940 09-07 22:09
    8楼

    换个歌声试试？

  • ShrimpInTheSea 09-07 22:10
    9楼

    佬有没有相关工具 换个频谱看看

  • haihunHou 09-07 22:10
    10楼

    所以Astra不但视觉建模能力很强，连音频也这么厉害了啊

  • sudo rm -rf /* 09-07 22:13
    11楼

    多换几种别的声音比如人叫试试呢？

  • NaynIruR 楼主 09-07 22:17
    12楼


    吓哭了，它猜对了，就是瀑布

  • sudo rm -rf /* 09-07 22:18
    13楼

    我去，这很离谱了

  • OldBiden 09-07 22:40
    14楼

    跨模态对齐能力有点恐怖了

  • DUO 09-07 22:43
    15楼

    这下真的瘫坐在电脑前了^-^

  • 好哦 09-07 22:43
    16楼

    这多模态能力有点恐怖了啊，真的是大就是好啊

  • kooo13579 09-07 22:47
    17楼

    會不會世界模型的五官感覺對換都齊了?

  • Rayciu 09-07 23:00
    18楼

    那是不是可以让AI帮我分析讲解我喜欢听的纯音乐了？ ^-^

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐