Audio-Novel

Ricerca sul recupero audio tramite query in linguaggio naturale libero, introducendo nuovi benchmark e baseline per il recupero audio intermodale.

Analisi di AudioBoost, un sistema che utilizza LLM per generare query sintetiche dai metadati degli audiolibri per migliorare il recupero e i suggerimenti di ricerca nello scenario di cold-start di Spotify.

Analisi di Audiobook-CC, un innovativo framework di sintesi vocale per generare audiolibri multicast coerenti ed emotivamente espressivi, con controllo granulare e modellazione del contesto esteso.

Analisi di Audiobook-CC, un innovativo framework TTS per generare audiolibri multicast coerenti, emotivamente espressivi e contestualmente consistenti, con controllo granulare.

Il sistema innovativo 2T-HGNN di Spotify combina Graph Neural Networks Eterogenei e modelli Two Tower per raccomandazioni scalabili di audiolibri, con un aumento del +46% del tasso di inizio ascolto.

Un approccio innovativo per l'ancoraggio temporale debolmente supervisionato di passaggi procedurali in video istruttivi mediante allineamento multimodale di frame, narrazioni e descrizioni da wikiHow.

Un nuovo approccio di meta-apprendimento (MAMLCon) che mitiga l'oblio catastrofico nell'apprendimento continuo con pochi esempi per la classificazione di parole parlate, superando metodi esistenti come OML.

Analisi dell'integrazione degli audiolibri mobili per sviluppare le abilità di comprensione orale in studenti universitari di inglese come lingua straniera, vantaggi, criteri di selezione, fasi didattiche e valutazione.

Analisi di Movie101v2, un dataset bilingue su larga scala per la narrazione cinematografica, inclusa la sua roadmap a tre fasi, valutazioni di baseline e direzioni future di ricerca.

Analisi di ricerche su come la musica di sottofondo, con e senza testo, influenzi il riconoscimento della parola parlata, con implicazioni per contesti sociali e lavori futuri.

Uno strumento di authoring interattivo che semplifica la creazione di video di dati animati collegando la narrazione alle animazioni dei grafici e fornendo effetti di animazione consapevoli della struttura.

Questo articolo introduce il nuovo compito di generazione di narrazione per video, presenta un dataset da Peppa Pig e propone modelli per la tempistica e la generazione del contenuto.

Analisi di un modello computazionale che esplora il ruolo della percezione fonetica nell'elaborazione di parole non-native, sfidando le spiegazioni fonologiche tradizionali.

Un framework a due stadi per creare rappresentazioni vettoriali di parole parlate che integrano informazioni fonetiche e semantiche, abilitando un recupero avanzato di documenti audio oltre il semplice matching di termini.

Ricerca sulla previsione degli attributi prosodici (tono, volume, velocità) dal testo narrativo utilizzando NLP e modelli linguistici, per migliorare la sintesi vocale nella generazione di audiolibri.

Ricerca sull'identificazione computazionale di narratori inaffidabili tramite LLM, con dataset TUN A e classificazione di inaffidabilità intra-narrativa, inter-narrativa e inter-testuale.

Uno studio che esplora come utilizzare narrazioni audio rumorose come supervisione debole per addestrare modelli di rilevamento di azioni in video, riducendo i costi di annotazione sfruttando caratteristiche multimodali.

Approccio zero-shot per generare audiolibri espressivi usando persone multimodali e istruzioni basate su LLM, eliminando costosi training e annotazioni manuali.

Analisi tecnica di MultiActor-Audiobook, un innovativo sistema zero-shot per generare audiolibri espressivi utilizzando persone multimodali e istruzioni basate su LLM.