不用画框不用点选!一句英文提示词,Meta 新开源神器 SAM3 就能把图中任意物体抠出来
不用画框不用点选!一句英文提示词,Meta 新开源神器 SAM3 就能把图中任意物体抠出来
以前想从一张照片里"抠"出某个物体,是什么体验?
要么打开修图软件,拿着套索工具沿着边缘一点一点描边,描到手抽筋;要么用上一代 AI 抠图工具,先手动画个框框住目标,再祈祷 AI 别把背景一起带进来。
就在最近,Meta 开源了一个叫 SAM3 的新模型,直接把这条折腾人的路给断了——你连框都不用画,用一句英文提示词描述"我要什么",它就能把图中所有匹配的物体整整齐齐抠出来。CSDN、知乎、智源社区上已经有不少人实测刷屏,有人直呼"这简直是给剪辑师、设计师发的年终奖"。
它到底神在哪?别急,我用大白话给你讲清楚。
它到底是个啥?
一句话:SAM3 是一个"你说出来,它就能抠出来"的 AI 抠图神器。
你可以把它想象成一个特别听话的实习生:你递给它一张照片,然后开口吩咐一句"把图里的黄色校车抠出来",它听完就动手,把每一辆黄色校车都单独圈出来,边缘分得清清楚楚,连藏在树后面的都不放过。
上一代的 SAM 2 已经很能打了,但它的工作方式是"指哪抠哪"——你得在图上点一下、画个框,它才知道你要抠啥。而 SAM3 最大的飞跃,就是学会了"听懂人话":你只要说出物体的名字或特征,它就能自动在整张图里找到所有符合描述的目标,统统分割出来。
官方给这个能力起了个名字叫"可提示概念分割",听着唬人,翻译成大白话就是:AI 终于从"你说位置我干活",升级成了"你说东西我找货"。
到底有多牛?三个亮点直接封神
亮点一:认识 27 万个概念,冷门东西也能抠
以前的分割模型,脑子里装的"词汇量"有限,常见的猫、狗、车、人没问题,但你要抠个"戴着红围巾的企鹅"这种冷门组合,基本就抓瞎了。
SAM3 的训练数据里有 400 多万个不同的名词短语,官方测试基准覆盖了 27 万个独特概念,比之前所有同类评测加起来还多 50 倍。这意味着什么?你能想到的物体、组合、场景,它大概率都见过。网友实测发现,别说"黄色校车"这种正常描述,就是"穿红衣服的人"这样带特征的指令,它也能精准锁定。
亮点二:抠得干净又利落,精度接近人眼
抠图这件事,最怕的就是"抠不干净"——多带一块背景,或者把物体边缘切掉一角。
SAM3 在专业评测里,零样本分割精度比此前的行业最佳提升了 22%,综合表现达到了人类标注水平的近九成。换句话说,它抠出来的边缘,跟专业标注师用软件一点点描出来的几乎没差。最直观的例子是数数:让它数一张图里有几个人、几只羊,计数准确率高达 95.6%,比很多需要"数一下"的 AI 还稳。
亮点三:视频也能追着抠
你以为它只抠静态图?那太小看它了。
SAM3 还能处理视频:你给它一段视频,说一句"跟着这只猫",它就能一帧一帧追着猫跑,猫转身、遮挡、出画再入画,它都能跟得住。做视频剪辑的朋友应该秒懂这个价值——以后做"人物追踪特效""背景虚化"这类活,不用再一帧一帧手动框选了。
附 3 条实测提示词,感受一下"一句话抠图"
光说不练假把式。下面这三条提示词,从简单到刁钻,带你感受 SAM3 的抠图功力(注意要用英文):
第一条(入门级):a cat
一张公园照片,里面有三只猫,你说一句"一只猫",它直接把三只猫全部抠出来,毛发的边缘都处理得服服帖帖。这是最基础的"按物种抠图"。
第二条(进阶级):yellow school bus
找一张车水马龙的街道图,里面混着公交车、小轿车、货车。你说"黄色校车",它能在茫茫车流里精准揪出每一辆黄色校车——哪怕只有半截车身露出来,它也能认出来。这是"按特征抠图",考验的是理解力。
第三条(刁钻级):person with red cloth
如果图里有一群穿着五颜六色衣服的人,你直接说"穿红衣服的人",它能把红衣人群一个个挑出来,而旁边穿蓝的、绿的统统忽略。这条考验的是"颜色+类别"的组合理解,以前的工具基本做不到。
如果你手头有官方网页版 Demo,打开就能传图、输提示词,几秒钟出结果,比想象中顺手得多。
普通人能上手吗?门槛高不高?
先说结论:有显卡体验最好,没显卡也能玩,但能跑多快全看机器。
SAM3 的模型体积不小,官方推荐用带 NVIDIA 显卡的电脑来跑,一张 H200 级别的专业显卡上,处理一张图只要约 30 毫秒,比眨一下眼还快。普通玩家如果只有老电脑,也可以用 CPU 慢慢跑,或者直接用网页版、别人搭好的镜像站来体验,完全不用碰代码。
不过有个小门槛得提醒你:模型权重需要去 Hugging Face 官方页面申请,填个申请表单,等审核通过后下载使用。好在现在网上已经有不少人做好了"即开即用"的镜像环境,帮你把环境、模型、网页界面都配好了,五分钟就能上手体验。
适合谁呢?自媒体创作者用它抠图做封面、换背景,效率翻倍;电商运营批量抠商品图,一天的工作量缩成半小时;视频剪辑师用它做人物追踪和特效,省下大把重复劳动;当然,数码发烧友拿来尝鲜、折腾,也是乐趣无穷。
写在最后
从"画框点选"到"开口就说",SAM3 把抠图这件事的门槛又往下压了一大截。它让我们看到一个大趋势:AI 正在从"听懂指令的助手",变成"真正理解世界的帮手"。也许再过一两年,我们连提示词都不用组织语言了——指一下、看一眼,AI 就知道你要什么。
最后抛个轻松的问题给大家:如果让你给 SAM3 出个"刁钻考题",你最想让它从一张图里抠出什么稀奇古怪的东西?欢迎在评论区晒出你的脑洞,说不定下一条实测提示词,就是你贡献的!