标签
AMBIT是一个统一框架，通过将自回归场景规划与整流流（rectified-flow）渲染相耦合，实现一阶Ambisonics（FOA）空间音频的生成与编辑，并利用FOA感知的连续VAE与on-policy自蒸馏来保持空间结构和声学保真度。
Noiz AI 与香港科技大学联合发布 Helix World，一个基于单张图像的实时交互式视听世界模型，可在单块 NVIDIA H800 GPU 上以 24fps 同时生成可探索的视频场景与空间立体声，代码、checkpoint 和在线 demo 均已开源。
作者讲述了如何通过黑盒测试与信号分析，逆向工程一款商业空间音频处理程序，并在 Linux 上使用 PipeWire 复现其效果，涵盖了 HRTF、房间响应与心理声学的实践探索。
WorldSonus 是一个交互式视频转音频框架，通过流式因果自回归扩散架构为世界模型带来实时空间声音合成，实时因子（RTF）为 0.41，支持基于分块索引的提示调度以实现流中声音控制，并采用立体声监督来实现空间对齐。
提出 StereoBind 框架，通过动态空间对应（Dynamic Spatial Correspondence）将视觉源运动与立体声生成绑定，用于沉浸式视频-音频联合生成，并构建了 StereoWorld-29K 数据集与评测基准。
HelixWorld 是一个实时交互式视听世界模型，视觉场景与基于相机定位的空间立体声在用户交互下协同演化，通过教师-学生蒸馏管线在单块 GPU 上以 24 FPS 运行。该论文还提出了 HelixBench，用于评估合成声场的空间声学一致性。
论文提出了 VGBench，一个用于诊断音频 LLM 语音智能体中动作层面寻址性的基准；以及 VoxGate，一种后训练方法，能在保留正确工具调用的同时，大幅降低对非佩戴者指令（旁人对话、自言自语、说话人切换场景）的响应误触发。
Apple 正在伦敦开设一个名为 Apple Music Hall 的最先进现场音乐场馆，配备先进的音频和制作系统，标志着其重返现场音乐活动。
OmniEcho引入了一种空间感知的全模态模型和一个新的基准，用于具身智能体的空间音频-视觉感知和导航，实现了最先进的性能。
flat.spatial是一款新的空间3D在线会议应用，为活动、团队和教育提供有趣的空间音频、游戏和协作功能的虚拟空间。
Bose发布了第二代QuietComfort耳机，具有更舒适的佩戴体验、自适应ANC，以及支持头部追踪的TrueSpatial沉浸式音频，售价359美元。
Skullcandy 推出 Crusher 1080 ANC 耳机，配备 Bose 的 QuietControl 主动降噪和 TrueSpatial 头部追踪音频，支持可调低音增强，续航长达 60 小时。
SwanSphere 提出了一种统一的流式框架，通过因果自回归扩散变换器和多模态学习策略，从全景视频和文本提示中生成高保真空间音频，在视频到空间音频和文本到空间音频任务中均实现了卓越性能。
森海塞尔发布Momentum 5无线耳机，采用改进的ANC、用户可更换电池，并支持包括AptX Lossless在内的新编解码器，售价399.99美元，6月30日上市。
Google正在实验HP Dimension的沉浸式显示屏和空间音频，通过以真实大小显示远程参与者并将声音定位到说话者，使Google Beam群组会议更具包容性，社交联系提升了50%。