Audio-Novel

Análisis del uso de GPT-3 como co-narrador en teatro de improvisación en vivo. Cubre metodología, retroalimentación del público/actores e implicaciones para la colaboración creativa humano-IA.

Análisis de la capacidad de los LLM para mantener mundos ficticios consistentes, revelando limitaciones en la coherencia narrativa y la retención de estado para la escritura creativa.

Documentación técnica completa y recursos sobre la tecnología y aplicaciones de audio-novel.

Investigación sobre recuperación de audio usando consultas de lenguaje natural libre, introduciendo nuevos benchmarks y líneas base para recuperación multimodal de audio.

Análisis del marco teórico para conceptualizar las diferencias entre leer libros impresos y escuchar audiolibros, enfatizando las prácticas de escucha móvil.

Análisis de AudioBoost, un sistema que utiliza LLM para generar consultas sintéticas a partir de metadatos de audiolibros, mejorando la recuperación y sugerencias de búsqueda en el escenario de arranque en frío de Spotify.

Análisis de AudioBoost, un sistema que utiliza Modelos de Lenguaje Grande para generar consultas sintéticas y mejorar la recuperabilidad de audiolibros en el motor de búsqueda de Spotify en escenarios de arranque en frío.

Análisis de Audiobook-CC, un novedoso marco de síntesis de voz para generar audiolibros multicast coherentes y expresivos, con control detallado y modelado de contexto largo.

Análisis de Audiobook-CC, un novedoso marco de trabajo TTS para generar audiolibros multicast coherentes, expresivos emocionalmente y consistentes en contexto, con control de grano fino.

Un análisis crítico de la reseña del libro 'Audiolibros digitales', explorando la teoría de la mediatización, la post-fenomenología y la evolución del consumo de literatura en formato audio.

Análisis de modelos de traducción de voz a texto de extremo a extremo en un corpus de audiolibros aumentado, explorando escenarios de entrenamiento y eficiencia del modelo.

Un análisis en profundidad de la música cinematográfica desde la perspectiva de la narratología, explorando cómo funciona la música en los diferentes niveles narrativos del cine.

El innovador sistema 2T-HGNN de Spotify combina Redes Neuronales de Grafos Heterogéneos y modelos Two Tower para recomendaciones escalables de audiolibros, logrando un aumento del +46% en la tasa de inicio.

Análisis de la metodología de construcción del corpus J-MAC, contribuciones técnicas, resultados de evaluación y direcciones futuras para la síntesis expresiva de voz en audiolibros.

Un novedoso enfoque de metaaprendizaje (MAMLCon) que mitiga el olvido catastrófico en el aprendizaje continuo con pocos ejemplos para la clasificación de palabras habladas, superando a métodos existentes como OML.

Análisis y marco para integrar Audiolibros Móviles (MABs) en el desarrollo de la comprensión auditiva en estudiantes universitarios de ILE, cubriendo ventajas, selección, implementación y evaluación.

Análisis y marco para integrar audiolibros móviles y desarrollar habilidades de comprensión auditiva en estudiantes universitarios de inglés como lengua extranjera (ILE), cubriendo ventajas, selección, implementación y evaluación.

Análisis de Movie101v2, un conjunto de datos bilingüe a gran escala para narración cinematográfica, incluyendo su hoja de ruta de tres etapas, evaluaciones de referencia y direcciones futuras de investigación.

Análisis de cómo la música de fondo, con y sin letra, afecta el reconocimiento del habla, con implicaciones para entornos sociales y trabajo futuro.

Una herramienta de autoría interactiva que simplifica la creación de vídeos de datos animados vinculando la narración a las animaciones de gráficos y proporcionando efectos de animación conscientes de la estructura.

Un artículo de investigación que presenta la tarea de generación automática de narración para videos, un nuevo conjunto de datos de Peppa Pig y modelos para la sincronización y generación de contenido.

Análisis de un modelo computacional que explora el papel de la percepción fonética en el procesamiento de palabras no nativas, desafiando las explicaciones fonológicas tradicionales.

Investigación sobre la predicción de atributos prosódicos (tono, volumen, ritmo) en textos narrativos mediante PLN y modelos de lenguaje, mejorando la síntesis de voz para la generación de audiolibros.

Investigación sobre identificación computacional de narradores no fiables usando LLMs, presentando el dataset TUN A y clasificación de no fiabilidad intranarrativa, internarrativa e intertextual.

Un artículo de investigación que explora cómo usar la narración de audio ruidosa como supervisión débil para entrenar modelos de detección de acciones, reduciendo costos de anotación y aprovechando características multimodales del video.

Un enfoque sin entrenamiento previo para generar audiolibros expresivos usando personajes multimodales e instrucciones de guion basadas en LLM, eliminando costosas anotaciones manuales.

Análisis técnico de MultiActor-Audiobook, un novedoso sistema zero-shot para generar audiolibros expresivos utilizando personas de hablantes multimodales e instrucciones de guion basadas en LLM.