基于语言查询的音频分离模型

FlowSep是一个基于语言查询的声音分离模型，通过语言描述分离音频中的特定声音，使音频处理变得更加智能。该项目利用Rectified Flow Matching技术，实现从噪声到目标声音的高效生成，并在多个基准测试中超越现有最佳模型。FlowSep提供简单易用的推理代码，支持自定义音频和文本查询，适用于多种音频处理场景。