Audio-Novel

即興劇におけるGPT-3の共同ナレーターとしての活用分析。方法論、観客・出演者からのフィードバック、人間とAIの創造的協働への示唆を網羅。

audio-novel技術とその応用に関する包括的な技術文書およびリソースです。

自由形式の自然言語クエリを用いた音声検索に関する研究。クロスモーダル音声検索のための新たなベンチマークとベースラインを提案。

Spotifyのコールドスタート問題に対処するため、LLMを用いてオーディオブックメタデータから合成クエリを生成し、検索精度とクエリ提案を改善するAudioBoostシステムの分析。

Audiobook-CCの分析。細粒度制御と長文脈モデリングにより、一貫性があり感情表現豊かなマルチキャストオーディオブックを生成する新しい音声合成フレームワーク。

Audiobook-CCの分析。一貫性、感情表現、文脈的一貫性を備え、きめ細かい制御が可能なマルチキャストオーディオブックを生成する新しいTTSフレームワーク。

Spotifyの革新的な2T-HGNNシステムは、異種グラフニューラルネットワークとTwo Towerモデルを組み合わせ、スケーラブルなオーディオブック推薦を実現し、開始率46%向上を達成。

音声単語分類における連続的少数ショット学習の破滅的忘却を軽減する新規メタ学習手法（MAMLCon）を提案。OMLなどの既存手法を上回る性能を示す。

EFL大学生のリスニング理解スキル向上におけるモバイルオーディオブック統合の分析。利点、選定基準、指導段階、評価を網羅。

大規模二言語映画ナレーションデータセットMovie101v2の分析。3段階タスクロードマップ、ベースライン評価、将来の研究方向を含む。

背景音楽（歌詞あり/なし）が音声単語認識に与える影響に関する研究分析。社会的環境への示唆と今後の展望について。

ナレーションとチャートアニメーションを連携させ、構造を考慮したアニメーション効果を提供することで、アニメーションデータビデオの作成を簡素化するインタラクティブなオーサリングツール。

本論文は、動画に対するナレーション生成という新規タスクを提案し、『Peppa Pig』からのデータセットを提示するとともに、タイミング決定と内容生成のためのモデルを提案する。

非母語単語処理における音声知覚の役割を探る計算モデルの分析。従来の音韻論的解釈に挑戦する。

音声単語に音韻情報と意味情報の両方を埋め込むための二段階フレームワーク。単純な用語一致を超えた高度な音声文書検索を可能にする。

NLPと言語モデルを用いて物語テキストから韻律属性（ピッチ、音量、速度）を予測し、オーディオブック生成のためのTTSを改善する研究。

ノイズを含む音声ナレーションを弱教師として活用し、動画中の行動検出モデルを訓練する手法を探る研究。マルチモーダル特徴を活用しつつ、アノテーションコストを削減する。

マルチモーダル話者ペルソナとLLMベースのスクリプト指示を用いた表現力豊かなオーディオブックのゼロショット生成手法。高コストな学習と手動アノテーションを不要にします。

マルチモーダル話者ペルソナとLLMベースのスクリプト指示を用いた表現力豊かなオーディオブックを生成する新規ゼロショットシステム、MultiActor-Audiobookの技術分析。