跳到正文
arXiv · 机器人与计算机视觉· Pengjun Fang, Jingyi Fa, Kam Man Wu, Jiaming Wang, Haoyuan Huang, Yaguang Wu, Xiangjun Huang, Ziyang Ma, Weijia Chen, Hongyu Liu, Zeyue Tian, Qifeng Chen·· 2026-10-07AI 评分35

WorldSonus:为物理 AI 世界模型引入实时空间音频合成

WorldSonus: Bringing Sound to Worlds

AI 导读

WorldSonus 是一个面向世界模型的交互式视频转音频框架,通过流式因果自回归扩散架构实现 0.41 的实时因子。该框架利用基于分块的提示调度支持动态声音控制,并借助立体声监督确保声学质量与空间配准。实验显示其在开放域基准测试中表现优异,匹配或超越当前双向模型状态。

来源:arXiv · 机器人与计算机视觉 · arxiv.org