帖子

Astra可以通过频谱图推导出原始音频

21518

NaynIruR2026-09-07
39969
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。
主楼
18 215
refalogy2026-09-07
5344
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
#1
无水硫酸铜2026-09-07
17799
所以真是狗叫声吗
#2
NaynIruR2026-09-07
39969
是的就是狗叫
#3
ZackWill2026-09-07
9169
能不能录几段其他的动物叫试试看（
#4
Meowretti2026-09-07
11313
我靠这怎么训出来的，是巧合吗
#5
Ruihua2026-09-07
35437
这也太厉害了吧。
#6
NaynIruR2026-09-07
39969
作为对比，这是opus5
#7
Isla79402026-09-07
23155
换个歌声试试？
#8
ShrimpInTheSea2026-09-07
37358
佬有没有相关工具换个频谱看看
#9
haihunHou2026-09-07
24341
所以Astra不但视觉建模能力很强，连音频也这么厉害了啊
#10
sudo_rm_-rf_*2026-09-07
11311
多换几种别的声音比如人叫试试呢？
#11
NaynIruR2026-09-07
39969
吓哭了，它猜对了，就是瀑布
#12
sudo_rm_-rf_*2026-09-07
11311
我去，这很离谱了
#13
OldBiden2026-09-07
31051
跨模态对齐能力有点恐怖了
#14
DUO2026-09-07
39434
这下真的瘫坐在电脑前了^-^
#15
好哦2026-09-07
28925
这多模态能力有点恐怖了啊，真的是大就是好啊
#16
kooo135792026-09-07
8695
會不會世界模型的五官感覺對換都齊了?
#17
Rayciu2026-09-07
41979
那是不是可以让AI帮我分析讲解我喜欢听的纯音乐了？ ^-^
#18

发表回复

登录后回复