Audible World Models：面向 3D 世界的空间感知声音生成

Audible World Models 是一种无需训练的新框架，能为文本和图像驱动生成的 3D 世界注入空间音频。系统从文本提示构建全景 3D 代理，按语义层分割，识别发声前景物体与环境背景，为每个声音标签合成干音频，并基于重建几何体与几何声学传播渲染与听者位置相关的空间音频。