arXiv · AI· Boyan Han, Xiaoyan Wang, Zhe Sun, Ziqi Wang, Yujun Cai, Hongli Cao, Yiwei Wang, Ming-Hsuan Yang, Liang An·· 9 天前AI 评分26
AURA 通过通用音频编码器的完整对齐实现听觉空间智能
AURA: Auditory Spatial Intelligence via a Unified Representation from a General-Audio Encoder through Complete Alignment
AI 导读
AURA 模型利用冻结的通用音频 codec 和语言模型,在 SpatialSoundQA 双源方向准确率上超越最强专用系统 10.31 分。 该模型仅使用约 40% 的可训练参数,通过补全场景描述或暴露声道间差异提升性能,证实冻结 codec 保留空间信息。
来源:arXiv · AI · arxiv.org