Boyan Han

AURA把未经空间监督训练的通用音频编解码器X-Codec与冻结的Qwen3-8B语言模型直接对接，用六槽双耳表示和场景监督完成空间问答。此前专用空间系统依赖单独训练的空间编码器，而仅用答案监督的接口在左右方向上只能达到随机水平。在SpatialSoundQA双声源场景中，AURA的方向准确率比最强专用系统DSpAST-BAT†高10.31个百分点，可训练参数约为后者的40%。

AURA把未经空间监督训练的通用音频编解码器X-Codec与冻结的Qwen3-8B语言模型直接对接，用六槽双耳表示和场景监督完成空间问答。此前专用空间系统依赖单独训练的空间编码器，而仅用答案监督的接口在左右方向上只能达到随机水平。在SpatialSoundQA双声源场景中，AURA的方向准确率比最强专用系统DSpAST-BAT†高10.31个百分点，可训练参数约为后者的40%。