研究人员开发了AMBIT，一个使用一阶倍频（FOA）生成和编辑空间音频的新框架。该系统采用了一个共享的输血（Transfusion）骨干网络，通过可执行的ScenePlans连接自回归规划和整流流渲染，ScenePlans详细说明了声源内容、活动和3D轨迹。AMBIT还包含一个感知FOA的连续变分自编码器，以保持内容和通道间的结构，并采用一种基于策略的自蒸馏方法来优化规划和渲染过程。评估表明，与现有方法相比，在编辑过程中生成质量、空间准确性和保真度均有所提高。 AI
影响 该框架有望推动AI驱动的音频制作和编辑工具的发展，从而实现更复杂和可控的声景创作。
排序理由 该集群描述了一篇关于空间音频生成和编辑新颖框架的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.34415v1 Announce Type: cross Abstract: Spatial audio authoring coordinates source decisions with soundfield synthesis. For editing, plans specify what to change and retain, while reference audio supplies further acoustic detail. We present AMBIT, a unified framework fo…
AMBIT is a unified framework that generates and edits first-order ambisonics audio by coupling autoregressive scene planning with rectified-flow rendering, using a specialized continuous VAE and on-policy self-distillation to preserve spatial structure and acoustic fidelity.