본 논문은 증강현실(AR), 가상현실(VR), 그리고 임베디드 AI 애플리케이션에서 몰입형 경험을 향상시키기 위해 텍스트 기반의 바이노럴 오디오 공간화 프레임워크(TAS)를 제안한다. 기존 방법들이 유연하고 상호작용적인 제어 기능이 부족한 점을 해결하기 위해, 텍스트 프롬프트를 활용하여 바이노럴 오디오를 생성하고 평가하는 모델을 제시한다. 모델 학습을 위해 376,000개의 시뮬레이션된 바이노럴 오디오 샘플을 포함하는 SpatialTAS 데이터셋을 구축하였으며, 3D 공간 위치 및 상대 위치 프롬프트와 채널 반전 오디오를 활용하여 바이노럴 차이를 학습한다. 시뮬레이션 및 실제 녹음 데이터셋에서 기존 방법보다 우수한 성능을 보이며, Llama-3.1-8B 기반의 평가 모델을 통해 생성된 바이노럴 오디오와 텍스트 프롬프트 간의 공간 의미 일관성을 평가한다.
