AI新词:OmniAudio

通义大模型发布OmniAudio 可从 360° 视频生成空间音频

近日，通义实验室语音团队在空间音频生成领域取得里程碑式成果，推出OmniAudio技术，该技术可直接从360°视频生成FOA（First-order Ambisonics）音频，为虚拟现实和沉浸式娱乐带来全新可能。空间音频作为一种模拟真实听觉环境的技术，能提升沉浸式体验，但现有技术大多基于固定视角视频，对360°全景视频空间信息利用不足。传统视频到音频生成技术主要生成非空间音频，无法满足沉浸式体验对3D声音定位需求，且多基于有限视角视频，错过全景视频丰富视觉上下文。

5/29/2025 6:00:54 PM

AI在线

资讯热榜

Meta视觉基座DINOv3王者归来：自监督首次全面超越弱监督，商用开源 Meta刚刚开源DINOv3，横扫60+任务，无标注封神！扎克伯格看OpenAI直播挖人，北大校友孙之清加入Meta ChatGPT或将引入广告！OpenAI高管首度松口，用户破7亿仍难盈利 Nvidia 投资 5 亿美元，Cohere 公司估值达 68 亿美元破天荒！OpenAI、Cursor多位开发大牛联手曝出GPT5提示词指南！晒官方系统提示词优化秘籍，最大化编程性能，工作流更可控 OpenAI华人露头就被小扎挖！95后北大校友1个月前上直播，今天已是Meta人被曝蒸馏DeepSeek还造假！欧版OpenAI塌房了

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画谷歌机器人数据大模型 Midjourney 开源智能用户 Meta 微软 GPT 学习技术图像 Gemini 马斯克 AI创作智能体论文英伟达 Anthropic 代码训练算法 Stable Diffusion 芯片蛋白质 LLM 开发者腾讯 AI新词生成式 Claude 苹果 Agent 神经网络 AI for Science 3D 机器学习研究生成 xAI 人形机器人 AI视频计算 Sora GPU AI设计百度华为工具大语言模型搜索具身智能 RAG 字节跳动场景大型语言模型深度学习预测伟达视觉 Transformer 视频生成 AGI 架构神器推荐亚马逊 Copilot DeepMind 应用安全