SAM Audioと楽器別ステム分離：入力と目的の違い

MetaのSAM Audioは、テキスト、映像、時間範囲の手がかりを使って、対象音と残りの音を分ける研究モデルです。音楽だけでなく一般の環境音や声も対象にしています。Meta公式紹介。

固定ステムとの違い

「ドラム・ベース・ボーカル」のような決まった出力を得る方法と、「この時間に聞こえる犬の声」のような対象を指定する方法は、入口が異なります。どちらが常に高音質かではなく、分けたい音をどう指定できるかで選びます。

試験素材を作るなら

自分で用意できる2つの録音を混ぜ、一方を対象に指定すると、分離前の正解音を残した比較ができます。対象の大きさ、重なる時間、左右の配置を1つずつ変えます。元の単独音源がない実際の録音では、残留音と対象音の欠けを耳で評価します。

LA Studioとの関係

LA Studioの標準6ステム分離をSAM Audioと同じモデルとして紹介しないでください。現行の標準分離はDemucs系の楽器別処理です。SAM Audioの利用環境やモデル条件は公式の配布情報で確認する必要があります。このページはSAM AudioをLA Studioへ統合したという案内ではありません。

結果を判断する

対象側に不要音が残っていないかだけでなく、残り側へ対象音が漏れていないかも聴きます。大きい音だけを基準にせず、小さな語尾や余韻まで確認します。楽器練習用の固定パートが必要なら6ステムガイドへ進めます。