Audio-Novel

تحليل لاستخدام GPT-3 كراوٍ مشارك في مسرح الارتجال الحي. يغطي المنهجية، وتغذية راجعة من الجمهور والمؤدين، وتداعيات التعاون الإبداعي بين الإنسان والذكاء الاصطناعي.

بحث في استرجاع الصوت باستخدام استعلامات اللغة الطبيعية الحرة، يقدم معايير تقييم جديدة وأسساً مقارنة لاسترجاع الصوت عبر الوسائط.

تحليل نظام AudioBoost الذي يستخدم نماذج اللغة الكبيرة لتوليد استعلامات اصطناعية من بيانات وصفية للكتب الصوتية لتحسين الاسترجاع والاقتراحات في سيناريو البدء البارد لـ Spotify.

تحليل لإطار عمل Audiobook-CC، وهو إطار جديد لتوليد الكلام يهدف لإنشاء كتب صوتية متعددة الشخصيات متماسكة ومعبرة عاطفياً، مع تحكم دقيق ونمذجة للسياق الطويل.

تحليل إطار Audiobook-CC الجديد لتوليد الكتب الصوتية متعددة الشخصيات المتماسكة والمعبرة عاطفياً والمتسقة سياقياً مع تحكم دقيق.

نظام 2T-HGNN المبتكر من سبوتيفاي الذي يجمع بين الشبكات العصبية البيانية غير المتجانسة ونماذج البرج المزدوج لتوصيات الكتب الصوتية القابلة للتوسع، محققاً زيادة +46% في معدل البدء.

نهج تعلم فوقي جديد (MAMLCon) يخفف من النسيان الكارثي في التعلم المستمر باستخدام عدد قليل من الأمثلة لتصنيف الكلمات المنطوقة، متفوقًا على الطرق الحالية مثل OML.

تحليل لدمج الكتب الصوتية المتنقلة لتطوير مهارات الفهم الاستماعي لدى طلاب الجامعة الدارسين للغة الإنجليزية كلغة أجنبية، متضمنًا المزايا، ومعايير الاختيار، ومراحل التدريس، والتقييم.

تحليل لمجموعة البيانات ثنائية اللغة واسعة النطاق Movie101v2 لتوليد سرد الأفلام، بما في ذلك خارطة طريق المهام ذات المراحل الثلاث، والتقييمات الأساسية، واتجاهات البحث المستقبلية.

تحليل بحثي حول تأثير الموسيقى الخلفية مع الكلمات وبدونها على تمييز الكلام المنطوق، مع استنتاجات للمواقع الاجتماعية وأعمال مستقبلية.

أداة تأليف تفاعلية تُبسط إنشاء مقاطع فيديو للبيانات المتحركة من خلال ربط السرد بتحريك الرسوم البيانية وتوفير تأثيرات حركية واعية للهيكل.

تقدم هذه الورقة البحثية مهمة جديدة لتوليد السرد لمقاطع الفيديو، وتعرض مجموعة بيانات من مسلسل

تحليل لنموذج حاسوبي يستكشف دور الإدراك الصوتي في معالجة الكلمات لدى غير الناطقين الأصليين، متحدياً التفسيرات الصوتية التقليدية.

إطار عمل من مرحلتين لتضمين الكلمات المنطوقة بمعلومات صوتية ودلالية، مما يتيح استرجاعاً متقدماً للمستندات الصوتية يتجاوز مجرد مطابقة المصطلحات البسيطة.

بحث في التنبؤ بخصائص الإيقاع الصوتي (النبرة، الصوت، السرعة) من النصوص السردية باستخدام نماذج معالجة اللغة الطبيعية، لتحسين جودة الكتب الصوتية المُولَّدة آليًا.

بحث في التعريف الحسابي للرواة غير الموثوقين باستخدام نماذج اللغة الكبيرة، يتضمن مجموعة بيانات TUN A وتصنيف عدم الموثوقية داخل السرد، وبين السرد، وبين النصوص.

ورقة بحثية تستكشف كيفية استخدام التعليق الصوتي المشوش كإشراف ضعيف لتدريب نماذج الكشف عن الأفعال في الفيديو، مما يقلل تكاليف التعليق التوضيحي مع الاستفادة من الميزات متعددة الوسائط.

نهج مبتكر لتوليد كتب صوتية معبرة باستخدام شخصيات متعددة الوسائط وتعليمات نصية ذكية، يتجنب التكلفة العالية للتدريب والتعليقات التوضيحية اليدوية.

تحليل تقني لنظام MultiActor-Audiobook، وهو نظام مبتكر لتوليد الكتب الصوتية المعبرة باستخدام شخصيات متعددة الوسائط وتعليمات نصية قائمة على نماذج اللغة الكبيرة، دون الحاجة إلى تدريب مسبق.