AURA：冻结通用音频编码器即可实现听觉空间智能

AURA 论文作者发布论文，提出听觉空间智能模型 AURA：冻结通用音频编码器与语言模型即可实现声源定位，在 SpatialSoundQA 双源方向准确率上超过最强专用系统 10.31 分，可训练参数仅约 40%。 研究还发现，冻结的编码器仍保留双耳声道差异携带的空间信息，但音频与文本信息不对称会导致方向绑定失败；实验证明，补全场景描述与暴露声道间差异两者结合，才能将方向正确绑定到被查询的声源。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。