研究者提出时空音频问答数据集与模型

Oh Hyun-Bin 等作者提出 ST-AudioQA 时空音频问答数据集与基准，并配套提出 ST-AudioLM 模型，用于动态声源的时空音频语言建模。 该数据集基于一阶 Ambisonic（FOA）渲染的静态与移动声源构建，每个场景包含声源身份、活动、方向、距离与运动元数据。 报道未给出该数据集与模型在基准上的具体表现数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。