Audio-Novel

Documentação técnica abrangente e recursos sobre a tecnologia e aplicações de audio-novel.

Investigação sobre recuperação de áudio usando consultas em linguagem natural livre, introduzindo novos benchmarks e linhas de base para recuperação transmodal de áudio.

Análise do AudioBoost, um sistema que usa LLMs para gerar consultas sintéticas a partir de metadados de audiolivros, melhorando a recuperação e sugestões de pesquisa no cenário de arranque a frio do Spotify.

Análise do Audiobook-CC, uma nova estrutura de síntese de fala para gerar audiobooks multicast coerentes e expressivos emocionalmente, com controle refinado e modelagem de longo contexto.

Análise do Audiobook-CC, uma nova estrutura TTS para gerar audiobooks multicast coerentes, expressivos emocionalmente e contextualmente consistentes com controle refinado.

Sistema inovador 2T-HGNN da Spotify combina Redes Neurais em Grafos Heterogêneos e modelos Two Tower para recomendações escaláveis de audiobooks, alcançando +46% na taxa de início.

Uma nova abordagem de meta-aprendizagem (MAMLCon) que mitiga o esquecimento catastrófico na aprendizagem contínua com poucos exemplos para classificação de palavras faladas, superando métodos existentes como o OML.

Análise da integração de audiolivros móveis para desenvolver competências de compreensão auditiva em estudantes universitários de ILE, abrangendo vantagens, critérios de seleção, fases de ensino e avaliação.

Análise do Movie101v2, um conjunto de dados bilíngue de grande escala para narração de filmes, incluindo seu roteiro de tarefas em três estágios, avaliações de linha de base e direções futuras de pesquisa.

Análise de investigação sobre como a música de fundo, com e sem letra, impacta o reconhecimento da fala, com implicações para contextos sociais e trabalhos futuros.

Uma ferramenta de autoria interativa que simplifica a criação de vídeos de dados animados, ligando a narração às animações dos gráficos e fornecendo efeitos de animação conscientes da estrutura.

Este artigo introduz a nova tarefa de geração de narração para vídeos, apresenta um conjunto de dados da Peppa Pig e propõe modelos para temporização e geração de conteúdo.

Análise de um modelo computacional que explora o papel da perceção fonética no processamento de palavras por não nativos, desafiando explicações fonológicas tradicionais.

Uma estrutura de duas etapas para incorporar palavras faladas com informação fonética e semântica, permitindo uma recuperação avançada de documentos falados que vai além da simples correspondência de termos.

Investigação sobre a previsão de atributos de prosódia (tom, volume, ritmo) em textos narrativos usando PLN e modelos de linguagem, melhorando a síntese de voz para geração de audiolivros.

Investigação sobre identificação computacional de narradores não confiáveis usando LLMs, apresentando o conjunto de dados TUN A e classificação de não confiabilidade intra-narrativa, inter-narrativa e intertextual.

Um artigo de pesquisa que explora como usar narração de áudio ruidosa como supervisão fraca para treinar modelos de detecção de ações em vídeo, reduzindo custos de anotação e aproveitando características multimodais.

Uma abordagem zero-shot para gerar audiolivros expressivos usando personas multimodais e instruções de script baseadas em LLM, eliminando treinamento dispendioso e anotação manual.

Análise técnica do MultiActor-Audiobook, um sistema zero-shot inovador para gerar audiolivros expressivos usando personas multimodais e instruções de roteiro baseadas em LLM.