阿里通义实验室推出空间音频生成模型OmniAudio，实现全景视频到空间音频实时合成

数智朋克讯，阿里通义实验室近期推出空间音频生成模型OmniAudio，该技术通过解析360°全景视频直接合成三维声场，为虚拟现实领域提供沉浸式听觉解决方案。OmniAudio的核心突破在于实现360V2SA（360-degree Video to Spatial Audio）任务，攻克了全景视频与空间音频的实时匹配难题，生成的音频采用FOA（First-order Ambisonics）标准格式，精准捕捉声源方位信息，还原真实三维声学环境。

该项目已全面开源，技术论文与代码库同步发布于学术平台。开发者可通过GitHub获取完整模型架构与Sphere360数据集，论文详细阐述了基于流匹配的跨模态学习方法。这种开放策略显著降低了空间音频技术的研发门槛，为元宇宙内容创作提供底层技术支持。

OmniAudio的推出标志着空间音频生成领域的重要进展，其端到端的处理流程省去了传统方案中复杂的多设备采集环节。在288小时真实场景数据的支持下，该模型能够根据视觉场景动态生成具有方位信息的声场，使VR观影、游戏等场景的声画同步达到新高度。开源生态的建立将进一步加速沉浸式音频技术在消费电子领域的应用落地。