HelixWorld 公開 HelixBench，評測生成音場能否跟隨視角移動

Noiz AI 與香港科技大學的 HelixWorld 專案於 10 月 12 日宣布公開 HelixBench，將互動世界模型的評估延伸至聲音是否隨視角改變。這次更新是評測資源公開：模型預覽權重與推論程式已於 9 月 3 日發布，論文則於 9 月 29 日上線。專案發布紀錄

這項評測針對一個具體缺口：生成畫面轉向時，聲源在左右聲道的位置也應改變。只替影片事後配音的流程，未必能掌握使用者動作與攝影機軌跡。HelixWorld 採共同生成影音的架構，讓跨模態注意力連結視覺幾何與聲音特徵；HelixBench 則提供檢查這種連動的測試入口。技術公告

公開套件包含 1,015 張起始影像、影音描述、評測程式與固定參考特徵。使用者須為每個樣本提供生成的 MP4，並在清單記錄樣本 ID、絕對路徑及 SHA-256。六項指標分開報告，沒有綜合分數：KL、FAD 檢查音訊分布與品質，ImageBind、CLAP 衡量跨模態及文字對齊；DeSync 使用 165 個事件案例，Spatial 使用 150 個視角案例。資料集說明

Spatial 的現行 v3 協定尤其影響結果解讀：無效片段計為 −100，符合條件但聲源僅在中央的片段計為零，其餘依帶方向的側向畫面正確性評分。因此，比較模型前應確認使用相同協定，並分開觀察聲音品質、同步與視角一致性，避免單一數值掩蓋失敗案例。安裝器會固定第三方程式版本並檢查下載權重；官方表示完整流程已在一張 NVIDIA A10G 上測試。評測協定

限制也很明確：公開包未附原始或生成影片，只有影音描述與參考特徵，研究者無法直接從套件逐段檢視全部參考影音。模型的即時效能則是在 H800 上量測，不能套用到一般顯示卡。下一步值得追蹤的是獨立重現、評分版本變更，以及長時間轉向或聲源離開畫面時的錯誤分布。資料集、效能條件