huggingface

При чем самый главный прикол в том, что если нужно выделить, например, собаку, то можно всего лишь записать аудио "the dog". Вот ссылка на HuggingFace (https://huggingface.co/spaces/xdecoder/SEEM) и GitHub (https://github.com/UX-Decoder/Segment-Everything-Everywhere-All-At-Once)