待验证50% 置信事实精确时间
实验结果表明，HLR-LLM在空间音视频场景理解上取得显著提升，同时没有损害语义音视频感知能力。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
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H3 的唇形同步（lip sync）表现完美，但生成的语音较为孤立，缺乏与视频环境的融合感67% 相似待验证音频对数值精度更敏感，失真容易被耳朵察觉，因此音频VAE选fp32；视频VAE选fp16是在画质与显存之间取得平衡65% 相似待验证MiniMax H3工作流集成了音频与视频的双路解码，可以输出带声音的成片65% 相似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。65% 相似待验证研究团队提出了HLR-LLM，在保留原有单声道语义音频通路的基础上，额外增加一条双耳空间音频分支（binaural spatial audio branch）。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046738API
curl https://kongchang.com/api/v1/knowledge/claims/1046738MCP
get_claim(id=1046738)