Sony AI 等发布 ST-AudioLM 音频语义与轨迹模型

2026 年 10 月 1 日，AGI Hunt 报道，POSTECH 与 Sony AI 等机构发布音频模型 ST-AudioLM，相关论文入选 EMNLP 2026 Main，代码与 demo 已开源。报道称，该模型采用 1 个语义 token 加 40 个轨迹 token 的设计，将声音语义理解、空间定位与声源移动轨迹建模统一在同一框架内，即同时刻画“是什么声音”与“声音如何移动”。截至目前，报道仅披露上述信息，未提及更多技术细节或后续计划，暂无其他机构或时间点的报道可作对照，也未见与早先报道相矛盾的数字或说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。