ayousanz https://blog.hatena.ne.jp/ayousanz/ yousanのメモ https://ayousanz.hatenadiary.jp/ AI 初めに 開発環境 環境構築 実行 初めに SAM-Audio（Segment Anything Model for Audio）は、Meta（Facebook Research）が開発した音声分離のためのファウンデーションモデルです。テキスト、視覚、または時間範囲のプロンプトを使用して、複雑な音声ミックスから特定の音を分離できます。 github.com 以下に uvで環境構築をしたリポジトリを公開しています github.com 開発環境 Windows 11 cuda 12.6 uv 環境構築 以下に対応するためにpyproject.toml の修正を行います PyTorchのCUDA版を… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fayousanz.hatenadiary.jp%2Fentry%2F2025%2F12%2F20%2F001716" title="テキスト・視覚・時間範囲のプロンプトを使用して音声から特定の音を分離する「sam-audio」をuv + Windowsで動かす - yousanのメモ" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2025-12-20 00:17:16 rich https://ayousanz.hatenadiary.jp/entry/2025/12/20/001716 1.0 100%