Audio-Novel

Dokumentasi teknikal komprehensif dan sumber tentang teknologi dan aplikasi audio-novel.

Kajian tentang pencarian audio menggunakan pertanyaan bahasa semula jadi bentuk bebas, memperkenalkan penanda aras dan garis dasar baharu untuk pencarian audio rentas moda.

Analisis AudioBoost, sistem yang menggunakan LLM untuk menjana kueri sintetik daripada metadata buku audio bagi meningkatkan pencarian dan cadangan kueri dalam senario permulaan sejuk Spotify.

Analisis Audiobook-CC, rangka kerja sintesis pertuturan novel untuk menjana buku audio multicast yang koheren, ekspresif emosi dengan kawalan halus dan pemodelan konteks panjang.

Analisis Audiobook-CC, rangka kerja TTS novel untuk menjana buku audio multicast yang koheren, ekspresif emosi, konsisten konteks dengan kawalan halus.

Sistem 2T-HGNN inovatif Spotify menggabungkan Rangkaian Neural Graf Heterogen dan model Dua Menara untuk cadangan buku audio berskala besar, mencapai peningkatan +46% kadar permulaan.

Pendekatan meta-pembelajaran baharu (MAMLCon) yang mengurangkan lupa bencana dalam pembelajaran berterusan dengan sampel sedikit untuk pengelasan perkataan bertutur, mengatasi kaedah sedia ada seperti OML.

Analisis integrasi buku audio mudah alih untuk membina kemahiran kefahaman mendengar dalam kalangan pelajar kolej EFL, merangkumi kelebihan, kriteria pemilihan, fasa pengajaran dan penilaian.

Analisis Movie101v2, set data dwibahasa berskala besar untuk naratif filem, termasuk pelan tugas tiga peringkat, penilaian asas, dan hala tuju penyelidikan masa depan.

Analisis penyelidikan tentang bagaimana muzik latar dengan dan tanpa lirik mempengaruhi pengecaman perkataan lisan, dengan implikasi untuk tetapan sosial dan kerja masa depan.

Satu alat pengarangan interaktif yang memudahkan penciptaan video data animasi dengan menghubungkan naratif kepada animasi carta dan menyediakan kesan animasi yang sedar struktur.

Kertas kerja ini memperkenalkan tugas baharu penjanaan naratif untuk video, membentangkan set data dari Peppa Pig, dan mencadangkan model untuk penentuan masa dan penjanaan kandungan.

Analisis model pengiraan yang meneroka peranan persepsi fonetik dalam pemprosesan perkataan bukan asli, mencabar penjelasan fonologi tradisional.

Rangka kerja dua peringkat untuk menyemat perkataan percakapan dengan maklumat fonetik dan semantik, membolehkan pencarian dokumen percakapan termaju melebihi padanan istilah mudah.

Kajian meramal atribut prosodi (nada, kelantangan, kadar) daripada teks naratif menggunakan NLP dan model bahasa, meningkatkan TTS untuk penjanaan buku audio.

Kajian pengenalpastian pengiraan pencerita tidak boleh dipercayai menggunakan LLM, menampilkan dataset TUN A dan klasifikasi ketidakbolehpercayaan intra-naratif, inter-naratif dan inter-teks.

Kertas penyelidikan meneroka cara menggunakan naratif audio yang bising sebagai penyeliaan lemah untuk melatih model pengesanan tindakan video, mengurangkan kos anotasi sambil memanfaatkan ciri multimodal.

Pendekatan zero-shot untuk menjana buku audio ekspresif menggunakan persona penutur multimodal dan arahan skrip berasaskan LLM, menghapuskan keperluan latihan mahal dan anotasi manual.

Analisis teknikal MultiActor-Audiobook, sistem sifar-tembak novel untuk menjana buku audio ekspresif menggunakan persona pencerita multimodal dan arahan skrip berasaskan LLM.