- NaynIruR2026-09-07
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 - refalogy2026-09-07
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
- 无水硫酸铜2026-09-07
所以真是狗叫声吗
- NaynIruR2026-09-07
是的就是狗叫
- ZackWill2026-09-07
能不能录几段其他的动物叫试试看（
- Meowretti2026-09-07
我靠这怎么训出来的，是巧合吗
- Ruihua2026-09-07
这也太厉害了吧。
- NaynIruR2026-09-07
- Isla79402026-09-07
换个歌声试试？
- ShrimpInTheSea2026-09-07
佬有没有相关工具 换个频谱看看
- haihunHou2026-09-07
所以Astra不但视觉建模能力很强，连音频也这么厉害了啊
- sudo_rm_-rf_*2026-09-07
多换几种别的声音比如人叫试试呢？
- NaynIruR2026-09-07
- sudo_rm_-rf_*2026-09-07
我去，这很离谱了
- OldBiden2026-09-07
跨模态对齐能力有点恐怖了
- DUO2026-09-07
这下真的瘫坐在电脑前了^-^
- 好哦2026-09-07
这多模态能力有点恐怖了啊，真的是大就是好啊
- kooo135792026-09-07
會不會世界模型的五官感覺對換都齊了?
- Rayciu2026-09-07
那是不是可以让AI帮我分析讲解我喜欢听的纯音乐了？ ^-^
