Spatial LibriSpeech

新的SonicWorld系统通过基准数据集推进空间音频推理

研究人员推出SonicWorld，一个新颖的动态空间音频推理系统，能够将声学观测与特定声源相关联，并随时间确定其空间状态。为了评估此能力，他们开发了Sonic-Bench，一个包含模拟室内场景的基准数据集，并附带用于定位、距离估计和运动推理任务的问答对。SonicWorld将声学、语义和物理特征整合到持久的声源状态中，将其投影到Omni LLM进行推理，并在基准测试和零样本迁移测试中展示了优于Spatial-Omni模型的准确性。