感谢你们的工作，在Audio Generation中使用CoT很有启发性！
在论文4.4节 Stage3 Instruction-based Audio Editing 中，提到:
"The foundation model, conditioned on both this reasoning and the existing audio context, applies targeted modifications while maintaining overall coherence."
-
请问 audio context 指的是已经生成的audio，还是正处于生成过程中的audio latent ?
-
具体使用时，如何将 Audio 和 Edit Instruction 编码为condition，可以开源这部分的代码吗？
感谢你们的工作，在Audio Generation中使用CoT很有启发性！
在论文4.4节 Stage3 Instruction-based Audio Editing 中，提到:
"The foundation model, conditioned on both this reasoning and the existing audio context, applies targeted modifications while maintaining overall coherence."
请问 audio context 指的是已经生成的audio，还是正处于生成过程中的audio latent ?
具体使用时，如何将 Audio 和 Edit Instruction 编码为condition，可以开源这部分的代码吗？