研究者提出时空音频问答基准与音频语言模型
热点事件持续更新
研究者提出时空音频问答基准与音频语言模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Oh Hyun-Bin 等研究者提出时空音频问答数据集与基准 ST-AudioQA，以及音频语言模型 ST-AudioLM，用于回答声音是什么、在哪里、如何移动等问题。该工作已被 EMNLP 2026 主会接收。 ST-AudioQA 基于静止与移动声源的一阶高保真立体声（FOA）渲染构建，提供声源身份、方向、距离和运动元数据。团队同时推出联合学习事件语义与时变轨迹的 ST-Audio Encoder，将音频 token 输入大语言模型完成时空问答。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
面向动态声源的时空音频语言建模：ST-AudioQA 数据集与 ST-AudioLM报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AI面向动态声源的时空音频语言建模：ST-AudioQA 数据集与 ST-AudioLM
研究者提出时空音频问答数据集与基准 ST-AudioQA，基于静止与移动声源的一阶高保真立体声（FOA）渲染构建，提供声源身份、方向、距离和运动元数据。同时推出联合学习事件语义与时变轨迹的 ST-Audio Encoder，以及将音频 token 输入 LLM 的 ST-AudioLM，用于回答声音是什么、在哪里、如何移动等时空问答。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。