# 声音事件定位与检测

AudioSphere 把自监督音频预训练从单声道扩展到多声道：以 Ambisonics 格式的四声道录音为输入，用掩码自编码器同时重建频谱与强度矢量，使冻结骨干在浅层探针下即可完成真实场景的声事件检测与定位。此前单声道模型对空间结构不可见，而空间模型依赖片段级监督。在 HEAR 上该模型聚合得分 83.2，并同时支持帧级定位。

AudioSphere 把自监督音频预训练从单声道扩展到多声道：以 Ambisonics 格式的四声道录音为输入，用掩码自编码器同时重建频谱与强度矢量，使冻结骨干在浅层探针下即可完成真实场景的声事件检测与定位。此前单声道模型对空间结构不可见，而空间模型依赖片段级监督。在 HEAR 上该模型聚合得分 83.2，并同时支持帧级定位。