Sound of Pixels这个开源模型可以说是视听界的黑马，它通过看视频，就能让图像区域产生声音，并且能够分离音轨。
相关论文和开源地址在文章下方发布，感兴趣的朋友可以去看看喔
该模型通过观看大量未标记的视频，自动学习如何定位图像区域产生声音。
例如，你在看一个乐器演奏的视频，这个系统就能把声音信号分成多个声道，每个声道对应不同的乐器类别。同时，Sound of Pixels还能为每个像素分配不同的音频波，让你听到视频中的每一个细节！
简而言之，就是让视频中的每个像素都“开口说话”！就是不知道是否演奏的是同一首歌。这个模型的创新和实用性为我们带来了全新的体验和可能性。
Sound of Pixels项目展示地址：
http://sound-of-pixels.csail.mit.edu/
Sound of Pixels开源代码下载：
https://github.com/hangzhaomit/Sound-of-Pixels
