德克薩斯大學奧斯汀分校，剛剛攜手Facebook人工智能研究員，開發出了一套基於機器學習技術的“單聲道音頻轉換”技術。其能夠分析視頻中場景，轉換出更加令人感到震撼的“2.5D視覺立體聲”。顯然，這項技術很適合將普通單聲道音頻，更好地運用到虛擬現實（VR）頭戴式、帶來更出色的沉浸式體驗。

人類之所以能感知到3D 空間的立體聲，得益於雙耳的獨特結構。基於聲音傳播的時差，大腦才能夠確定物體的距離和位置。這種3D 音頻體驗，可以通過模擬雙耳的立體聲設備來錄製和復現。

遺憾的是，大多數音頻都是單聲道格式的（錄製時就只使用了單個麥克風）。雖然日常生活中已經“夠用”，但它並不適合VR 等追求沉浸式體驗的應用場景。

2.5D Visual Sound（via）

有鑑於此，將單聲道音頻轉換成雙聲道，就變得很有必要。好消息是，研究人員Ruohan Gao 和Kristen Grauman，已經找到了一種相當接近的方法。

該方法依賴於，在深度學習技術的加持下，通過分析畫面中各個物體的空間位置，即可轉換出更加立體的2.5D音頻。

當然，這項方法也存在著一定的限制，尤其是存在一些讓AI 無法理解的對象的時候。感興趣的朋友，可以觀看上面這段演示視頻。

[編譯自：SlashGear ]