本文探讨了结合盲音频录音与3D场景信息进行新视角声学合成的优势。通过2-4个麦克风的录音和场景的3D几何及材料信息，估计场景中的声音。主要挑战包括声源定位、分离和去混响。研究表明，利用3D重建的房间脉冲响应（RIR）显著提高合成质量。模型在Matterport3D-NVAS数据集上表现优异，声源定位准确率接近完美，声源分离和去混响的PSNR和SDR指标优于现有方法。