PhyAVBench：用于物理感知文本到音视频生成的挑战性基准
PhyAVBench: A Challenging Audio Physics-Sensitivity Benchmark for Physically Grounded Text-to-Audio-Video Generation
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Tianxin Xie, Wentao Lei, Kai Jiang, Guanjie Huang, Pengfei Zhang, Chunhui Zhang, Fengji Ma, Haoyu He, Han Zhang, Jiangshan He, Jinting Wang, Linghan Fang, Lufei Gao, Orkesh Ablet, Peihua Zhang, Ruolin Hu, Shengyu Li, Weilin Lin, Xiaoyang Feng, Xinyue Yang, Yan Rong, Yanyun Wang, Zihang Shao, Zelin Zhao, Chenxing Li, Shan Yang, Wenfu Wang, Meng Yu, Dong Yu, Li Liu
作者提出 PhyAVBench，用于系统评估文本到音视频（I2AV）和视频到音频（V2A）模型的音频—物理基础能力。其发布包含25.5小时、11,605个有声视频的 PhyAV-Sound-11K 数据集，覆盖184名参与者、337组配对提示词、6个音频—物理维度和41个细粒度测试点，并提出 Contrastive Physical Response Score（CPRS）。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org