热点事件持续更新
WorldSonus：面向世界模型的实时空间音频框架
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，arXiv Audio and Speech 频道发布一手论文，介绍 WorldSonus——一个面向世界模型的交互式视频转音频框架，用于实时空间声音合成。该框架采用流式因果自回归扩散架构，以 0.41 的实时因子（RTF）合成音频块，并通过以音频为中心的字幕管线与按块索引的提示词调度，在生成过程中实现动态声音控制。实验显示，WorldSonus 在开放域视频转音频基准上可匹配或超越现有双向模型的声学质量与空间对齐表现。目前公开信息仅含该论文，尚未见后续独立验证或产品化报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
arXiv 发布 WorldSonus 论文，提出 0.41 RTF 的流式因果自回归扩散架构，实现实时空间声音合成。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Audio and SpeechWorldSonus：为世界模型带来实时空间声音合成
WorldSonus 是一个面向世界模型的交互式视频转音频框架，用于实时空间声音合成。它采用流式因果自回归扩散架构，以 0.41 的实时因子（RTF）合成音频块，并通过以音频为中心的字幕管线与按块索引的提示词调度实现生成中的动态声音控制。实验显示，WorldSonus 在开放域视频转音频基准上可匹配或超越现有双向模型的声学质量与空间对齐表现。
本事件热度走势
当前热度 9·可比范围峰值 10（10月7日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。