港科大与北邮团队在ICLR 2025上展示了一项创新技术，能够通过文本控制声源方向生成多通道音频，显著提升空间音频生成的控制能力，具有广泛的应用前景。

本文提出使用多通道音频中的低级空间特征进行声音事件检测。通过扩展卷积递归神经网络以处理更多类型的特征，并将特征呈现为体积的单独层，可以更好地学习多通道音频中的声音事件。该方法在公开数据集上提高了F-score。