arXiv · Audio and Speech· Tiernon Riesenmy, You Zhang, Gautam Bhattacharya, Andrea Fanelli·2026-10-02 12:00· 5 小时前AI 评分20

PLACE：通过条件化嵌入实现双耳音频生成的位置潜在适配

PLACE: Positional Latent Adaptation via Conditioned Embeddings for Binaural Audio Generation

AI 导读

PLACE 扩展了 pretrained any-to-audio 模型 AudioX，支持从文本、视频及可选音频提示生成双耳音频。该方法通过 Perception Encoder Core 特征增强视频条件，将文本与视频表示对齐以提取空间线索，并对生成潜在施加条件依赖的低秩变换。