Audio-Novel

সৃজনশীল লেখার জন্য বর্ণনামূলক সঙ্গতি ও অবস্থা ধরে রাখার সীমাবদ্ধতা প্রকাশ করে, এলএলএমগুলির সামঞ্জস্যপূর্ণ কাল্পনিক জগৎ বজায় রাখার ক্ষমতার বিশ্লেষণ।

অডিও-নভেল প্রযুক্তি ও এর প্রয়োগ সম্পর্কে বিস্তারিত প্রযুক্তিগত ডকুমেন্টেশন এবং সম্পদ।

মুক্ত-ফর্ম প্রাকৃতিক ভাষা প্রশ্ন ব্যবহার করে অডিও অনুসন্ধানের গবেষণা, ক্রস-মোডাল অডিও অনুসন্ধানের জন্য নতুন বেঞ্চমার্ক এবং বেসলাইন উপস্থাপন।

মুদ্রিত বই পড়া এবং অডিওবুক শোনার মধ্যে পার্থক্য ধারণা করার তাত্ত্বিক কাঠামোর বিশ্লেষণ, মোবাইল শ্রবণ অনুশীলনের উপর বিশেষ জোর দিয়ে।

অডিওবুস্ট সিস্টেম বিশ্লেষণ, যা স্পটিফাইয়ের কোল্ড-স্টার্ট পরিস্থিতিতে অডিওবুক মেটাডেটা থেকে এলএলএম ব্যবহার করে সিনথেটিক ক্যোয়ারি তৈরি করে রিট্রিভাল এবং ক্যোয়ারি সুপারিশ উন্নত করে।

অডিওবুক-সিসি বিশ্লেষণ: সূক্ষ্ম নিয়ন্ত্রণ ও দীর্ঘ-প্রসঙ্গ মডেলিং সহ সুসংগত, আবেগপূর্ণ বহু-কণ্ঠের অডিওবুক তৈরির জন্য একটি অভিনব বক্তৃতা সংশ্লেষণ কাঠামো।

অডিওবুক-সিসি বিশ্লেষণ, একটি অভিনব টিটিএস কাঠামো যা সূক্ষ্ম নিয়ন্ত্রণ সহ সুসংগত, আবেগপূর্ণ এবং প্রাসঙ্গিকভাবে সামঞ্জস্যপূর্ণ মাল্টিকাস্ট অডিওবুক তৈরি করে।

'ডিজিটাল অডিওবুক' বইয়ের পর্যালোচনার একটি সমালোচনামূলক বিশ্লেষণ, যা মিডিয়াটাইজেশন তত্ত্ব, পোস্ট-ফেনোমেনোলজি এবং অডিও-ভিত্তিক সাহিত্য ভোগের বিবর্তনশীল প্রেক্ষাপট অনুসন্ধান করে।

একটি সম্প্রসারিত অডিওবুক কর্পাসে এন্ড-টু-এন্ড স্পিচ-টু-টেক্সট অনুবাদ মডেলের বিশ্লেষণ, প্রশিক্ষণ পরিস্থিতি এবং মডেল দক্ষতা অন্বেষণ।

স্পটিফাই-এর উদ্ভাবনী ২টি-এইচজিএনএন সিস্টেম যা স্কেলযোগ্য অডিওবুক সুপারিশের জন্য হেটেরোজেনিয়াস গ্রাফ নিউরাল নেটওয়ার্ক এবং টু টাওয়ার মডেলকে একত্রিত করে, ৪৬% স্টার্ট রেট বৃদ্ধি অর্জন করে।

জে-ম্যাক কর্পাস নির্মাণ পদ্ধতি, প্রযুক্তিগত অবদান, মূল্যায়ন ফলাফল এবং অভিব্যক্তিপূর্ণ অডিওবুক স্পিচ সিন্থেসিসের ভবিষ্যৎ দিকনির্দেশনা বিশ্লেষণ।

ইএফএল কলেজ শিক্ষার্থীদের শ্রবণ বোধ দক্ষতা বিকাশে মোবাইল অডিওবুক (এমএবি) সংহতকরণের বিশ্লেষণ ও কাঠামো, সুবিধা, নির্বাচন, বাস্তবায়ন ও মূল্যায়ন অন্তর্ভুক্ত।

ইংরেজি ভাষা শিক্ষার্থী কলেজ শিক্ষার্থীদের শ্রবণ দক্ষতা উন্নয়নে মোবাইল অডিওবুক সংযুক্তির সুবিধা, নির্বাচন, বাস্তবায়ন ও মূল্যায়ন কাঠামোর বিশ্লেষণ।

Movie101v2 বিশ্লেষণ, চলচ্চিত্র বর্ণনার জন্য একটি বৃহৎ দ্বিভাষিক ডেটাসেট, যার মধ্যে রয়েছে তিন-পর্বের কাজের রোডম্যাপ, বেসলাইন মূল্যায়ন এবং ভবিষ্যত গবেষণার দিকনির্দেশনা।

পটভূমির সঙ্গীত ও গানের কথা কীভাবে কথ্য শব্দ চেনাকে প্রভাবিত করে তার গবেষণা বিশ্লেষণ, সামাজিক পরিবেশ ও ভবিষ্যৎ কাজের জন্য প্রভাব সহ।

একটি ইন্টারেক্টিভ অথরিং টুল যা বর্ণনাকে চার্ট অ্যানিমেশনের সাথে যুক্ত করে এবং গঠন-সচেতন অ্যানিমেশন ইফেক্ট প্রদান করে অ্যানিমেটেড ডেটা ভিডিও তৈরিকে সহজ করে।

ভিডিওর জন্য স্বয়ংক্রিয় বর্ণনা সৃষ্টির কাজ, পেপা পিগ থেকে নতুন ডেটাসেট এবং সময় নির্ধারণ ও বিষয়বস্তু সৃষ্টির মডেল উপস্থাপন করে একটি গবেষণা পত্র।

অ-দেশি শব্দ প্রক্রিয়াকরণে ধ্বনিগত উপলব্ধির ভূমিকা অনুসন্ধানকারী একটি গণনামূলক মডেলের বিশ্লেষণ, যা ঐতিহ্যগত ধ্বনিতাত্ত্বিক ব্যাখ্যাকে চ্যালেঞ্জ করে।

উচ্চারিত শব্দের জন্য ধ্বনিতাত্ত্বিক ও অর্থগত তথ্য সমন্বিত একটি দ্বি-পর্যায়ের কাঠামো, যা সরল শব্দ মিলানোর বাইরে উন্নত কথ্য নথি অনুসন্ধান সক্ষম করে।

একটি গবেষণাপত্র যা কর্ম সনাক্তকরণ মডেল প্রশিক্ষণের জন্য দুর্বল তত্ত্বাবধান হিসেবে অশুদ্ধ অডিও বর্ণনা ব্যবহারের পদ্ধতি অনুসন্ধান করে, বহুমুখী ভিডিও বৈশিষ্ট্য কাজে লাগানোর পাশাপাশি টীকাকরণের খরচ হ্রাস করে।

মাল্টিমোডাল স্পিকার পার্সোনা এবং এলএলএম-ভিত্তিক স্ক্রিপ্ট নির্দেশনা ব্যবহার করে অভিব্যক্তিপূর্ণ অডিওবুক তৈরির জন্য একটি নতুন জিরো-শট সিস্টেম, মাল্টিএক্টর-অডিওবুকের একটি প্রযুক্তিগত বিশ্লেষণ।