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.

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 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 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.

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.

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 de la integración de audiolibros móviles para desarrollar habilidades de comprensión auditiva en estudiantes universitarios de ILE, cubriendo ventajas, criterios de selección, fases pedagógicas 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.

Este artículo presenta la novedosa tarea de generación de narración para videos, un conjunto de datos de Peppa Pig y propone 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 narraciones de audio ruidosas como supervisión débil para entrenar modelos de detección de acciones en video, reduciendo costos de anotación y aprovechando características multimodales.

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.