ImmerseDiffusion是一种新型生成音频模型，能够根据空间、时间和环境条件生成高质量的3D沉浸式音景。该模型专注于一阶Ambisonics音频，支持描述性和参数化模式，适用于电影和游戏等场景，表现出色，具有广泛应用前景。

ImmerseDiffusion是一种生成音频模型，能够根据声音对象的空间、时间和环境条件生成3D沉浸式音景。该模型生成四通道的第一阶音频，结合空间音频编解码器和潜在扩散模型，支持文本提示和声学参数输入。评估结果表明，该模型在音频质量和空间一致性方面表现良好。