Audio-Novel

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।

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।

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।

ইংরেজি ভাষা শিক্ষার্থী কলেজ শিক্ষার্থীদের শ্রবণ দক্ষতা বিকাশে মোবাইল অডিওবুক সংযুক্তির বিশ্লেষণ, সুবিধা, নির্বাচন মানদণ্ড, শিক্ষাদান পর্যায় এবং মূল্যায়ন নিয়ে আলোচনা।

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।

এই গবেষণাপত্রটি ভিডিওর জন্য বর্ণনা সৃষ্টির নতুন কাজটি উপস্থাপন করেছে, পেপা পিগ থেকে একটি ডেটাসেট তৈরি করেছে এবং সময় নির্ধারণ ও বিষয়বস্তু সৃষ্টির মডেল প্রস্তাব করেছে।

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 ভিডিও কর্ম সনাক্তকরণ মডেল প্রশিক্ষণের জন্য দুর্বল তত্ত্বাবধান হিসেবে অশুদ্ধ অডিও বর্ণনা ব্যবহারের পদ্ধতি অনুসন্ধান করে, বহুমুখী বৈশিষ্ট্য ব্যবহারের পাশাপাশি টীকাভুক্তির খরচ কমায়।

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