本文介绍了一种基于卷积时间域音频神经网络（Conv-TasNet）的数据驱动空间音频解决方案，能够将一阶Ambisonics（FOA）输入转换为高阶Ambisonics（HOA）输出。该方法在空间准确性上优于传统渲染器，量化评估显示预测与实际第三阶HOA之间的平均位置均方误差为0.6dB，感知质量提高了80%。