待验证50% 置信事实精确时间
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）。
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。70% 相似待验证智能听写助手的核心逻辑分为三个环节：图片上传、OCR识别、语音播报70% 相似待验证H3展现出强大的声音克隆能力，多位用户称其对特定人物声音和语调的还原非常到位69% 相似待验证端到端语音识别的三大主流架构是CTC、注意力机制（Attention-based）和RNN-Transducer66% 相似待验证H3 提示词系统相比 Runway Gen-3、Pika、可灵等同类模型的特点是支持更精细的时间轴控制和多模态声音描述65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046733API
curl https://kongchang.com/api/v1/knowledge/claims/1046733MCP
get_claim(id=1046733)