生成、分析与优化：通过多模态大语言模型元推理实现无需训练的声源定位

声源定位任务旨在利用音视频模态间的相关性识别发声物体位置。现有方法多依赖对比学习特征匹配，缺乏显式推理与验证，限制了其在复杂声学场景中的效果。受人类元认知过程启发，本文提出一种无需训练的定位框架，利用多模态大语言模型（MLLM）的内在推理能力。该框架包含生成 - 分析 - 优化（GAR）流程：生成阶段产出初始边界框与音频分类；分析阶段通过开放集角色标记与锚点投票量化音视一致性；优化阶段应用自适应门控避免不必要调整。实验表明该方法在单源及多源基准上具有竞争力。