通義大模型發佈OmniAudio 可從 360° 視頻生成空間音頻
近日,通義實驗室語音團隊在空間音頻生成領域取得里程碑式成果,推出OmniAudio技術,該技術可直接從360°視頻生成FOA(First-order Ambisonics)音頻,爲虛擬現實和沉浸式娛樂帶來全新可能。
空間音頻作爲一種模擬真實聽覺環境的技術,能提升沉浸式體驗,但現有技術大多基於固定視角視頻,對360°全景視頻空間信息利用不足。傳統視頻到音頻生成技術主要生成非空間音頻,無法滿足沉浸式體驗對3D聲音定位需求,且多基於有限視角視頻,錯過全景視頻豐富視覺上下文。隨着360°攝像頭普及和虛擬現實技術發展,利用全景視頻生成匹配空間音頻成爲亟待解決的問題。