arXiv · AI· Oh Hyun-Bin, Kazuki Shimada, Yuhta Takida, Kim Sung-Bin, Toshimitsu Uesaka, Takashi Shibuya, Kyeongyoon Lee, Tae-Hyun Oh, Yuki Mitsufuji·· 5 小时前AI 评分24
ST-AudioLM：面向动态声源的空间时间音频语言建模
Spatio-Temporal Audio Language Modeling for Dynamic Sound Sources
AI 导读
ST-AudioLM 发布针对动态声源的空间时间音频 QA 数据集与模型，在平衡语义保持与定位能力上优于静态及定位基准。 该模型联合学习事件语义与时间解析声源轨迹，并展示在真实录音中的零样本迁移能力。 此项工作入选 EMNLP 2026 主会议，旨在填补音频语言模型在时空推理上的缺口。
来源：arXiv · AI · arxiv.org