待验证50% 置信发布精确时间
研究团队提出了HLR-AVSceneQA，一个按照'听—定位—推理'（Hear-Localize-Reason）层级结构设计的空间音视频综合评测基准。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
HLR-LLM：让音视频大模型听懂声音的空间方位
rss2026/10/15
涉及实体
相关事实
待验证HLR-AVSceneQA的三层结构分别对应三类递进能力：听（识别声音内容）、定位（在egocentric和allocentric视角下定位声源）、推理（推理声源与视觉场景中其他元素的关系）。70% 相似待验证当前大多数音视频大语言模型（AV-LLM）把音频当作单声道语义信息处理，只能识别声音内容而无法判断声源方位及其与画面中物体的关联。70% 相似待验证该项目支持声纹识别和声音克隆功能69% 相似待验证空间音频在技术层面依赖 Web Audio API 的 PannerNode 实现，通过计算虚拟形象坐标动态调整音量衰减和声像定位67% 相似待验证语音电影制作背后的技术支撑通常包括语音识别、意图理解与结构化指令解析，以及可被增量调用的视频生成接口。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046732API
curl https://kongchang.com/api/v1/knowledge/claims/1046732MCP
get_claim(id=1046732)