PhaseCoder:让多模态 LLM 听懂声音方向
AcouIntel · x · 2026-07-07
ICML 2026 论文 PhaseCoder(由 @artem_dementyev 主导)提出一种与麦克风几何结构无关的空间音频表示方法,让多模态 LLM 不仅能听懂语音,还能判断声音来源方向。现有 LLM 能看图、读文、转写语音,却缺少 “声音从哪来” 这一人类高度依赖的基本线索,该方法旨在补齐 LLM 的空间听觉能力。
AcouIntel · x · 2026-07-07
ICML 2026 论文 PhaseCoder(由 @artem_dementyev 主导)提出一种与麦克风几何结构无关的空间音频表示方法,让多模态 LLM 不仅能听懂语音,还能判断声音来源方向。现有 LLM 能看图、读文、转写语音,却缺少 “声音从哪来” 这一人类高度依赖的基本线索,该方法旨在补齐 LLM 的空间听觉能力。