**AMBIT：基于可执行计划与自蒸馏的三维空间音频生成与编辑框架**

_Spatial Audio Generation and Editing with Executable Plans and Self-Distilling Transfusion_

> 论文提出了 AMBIT 框架，实现了基于可执行场景计划（ScenePlans）的三维空间音频生成与编辑。该框架通过共享的 Transfusion 骨干网络，将自回归规划与整流流渲染相结合，利用参考音频保留声学细节。此外，研究还引入了针对一阶阿尼索尼克斯（FOA）感知的连续 VAE 以及联合自蒸馏策略，在语音、音乐和音效任务中显著提升了生成内容的质量、空间准确性及编辑时的声学保真度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.34415)