テクノロジー
Meta、音源編集の“Photoshop”「SAM Audio」を発表：「何でも分割する」AIの最終ピースとは
Meta Platforms（以下、Meta）は2025年12月16日、音声処理のパラダイムシフトとなる画期的なAIモデル、「SAM Audio（Segment Anything Model for Audio）」を発表 […]
Term
PE-AV
別名: Perception Encoder Audiovisual
Overview
最終更新: 2026年7月9日SAM Audioの基幹技術の一つ。以前発表された視覚向けモデル「Perception Encoder」を拡張したもので、動画フレームの特徴量と音声データを時間軸で同期させる。これにより、映像内の特定の動作（ギターを弾くなど）とそれに対応する音をAIが結びつけて理解することが可能になる。
Mentioned Articles
1 件External Mentions
6 件- arXiv Scaling Audio-Text Retrieval with Multimodal Large Language Models
- arXiv Pushing the Frontier of Audiovisual Perception with Large-Scale Multimodal Correspondence Learning
- arXiv Prospects of $|V_{us}|$ and axial vector form factors in $Λ\to pe^{-}{\barν}_{e}$ decay at STCF
- arXiv Multi-Agent Probabilistic Ensembles with Trajectory Sampling for Connected Autonomous Vehicles
- arXiv MERLIN -- Malware Evasion with Reinforcement LearnINg
- Hacker News How I Did It: Hartley Peavey of Peavey Electronics