Audio-Novel

Анализ способности больших языковых моделей поддерживать целостность вымышленных миров, выявляющий ограничения в нарративной связности и сохранении состояния для творческого письма.

Полная техническая документация и ресурсы о технологии audio-novel и её применениях.

Исследование поиска аудио с использованием произвольных естественно-языковых запросов, представляющее новые эталоны и базовые методы для кросс-модального поиска аудио.

Анализ теоретической основы для концептуализации различий между чтением печатных книг и прослушиванием аудиокниг, с акцентом на практики мобильного прослушивания.

Анализ системы AudioBoost, использующей LLM для генерации синтетических запросов из метаданных аудиокниг для улучшения поиска и подсказок запросов в Spotify в условиях холодного старта.

Анализ системы AudioBoost, использующей большие языковые модели для генерации синтетических запросов с целью повышения находимости аудиокниг в поисковой системе Spotify в условиях холодного старта.

Анализ Audiobook-CC — нового фреймворка синтеза речи для создания связных, эмоционально выразительных многоголосых аудиокниг с детальным контролем и моделированием длинного контекста.

Анализ Audiobook-CC — нового TTS-фреймворка для генерации связных, эмоционально выразительных и контекстуально согласованных многоголосых аудиокниг с детальным управлением.

Критический анализ рецензии на книгу «Цифровые аудиокниги», исследующий теорию медиатизации, пост-феноменологию и меняющийся ландшафт потребления аудиолитературы.

Анализ сквозных моделей перевода речи в текст на расширенном корпусе аудиокниг, исследование сценариев обучения и эффективности моделей.

Глубокий анализ киномузыки через призму нарратологии, исследующий функционирование музыки на различных нарративных уровнях в кинематографе.

Инновационная система Spotify 2T-HGNN, сочетающая гетерогенные графовые нейронные сети и двухбашенные модели для масштабируемых рекомендаций аудиокниг с ростом показателя начала прослушивания на 46%.

Анализ методологии построения корпуса J-MAC, технических решений, результатов оценки и перспектив для выразительного синтеза речи в аудиокнигах.

Новый подход на основе метаобучения (MAMLCon), смягчающий катастрофическое забывание при непрерывном обучении с малым числом примеров для классификации произнесенных слов, превосходящий существующие методы, такие как OML.

Анализ и структура интеграции мобильных аудиокниг (МАК) для развития навыков аудирования у студентов, изучающих английский как иностранный: преимущества, отбор, внедрение и оценка.

Анализ и методическая основа интеграции мобильных аудиокниг для развития навыков аудирования у студентов, изучающих английский как иностранный язык. Рассматриваются преимущества, подбор, внедрение и оценка.

Анализ Movie101v2, крупномасштабного двуязычного набора данных для кинонаррации, включая его трехэтапную дорожную карту задач, базовые оценки и направления будущих исследований.

Анализ исследований о влиянии фоновой музыки с текстом и без на распознавание речи, с выводами для социальных сред и будущих работ.

Интерактивный инструмент для создания анимированных видеороликов с данными, упрощающий процесс за счёт связывания повествования с анимацией графиков и предоставления учитывающих структуру анимационных эффектов.

Исследовательская работа, представляющая задачу автоматической генерации повествования для видео, новый датасет на основе «Свинки Пеппы» и модели для определения времени и генерации содержания.

Анализ вычислительной модели, исследующей роль фонетического восприятия в обработке иноязычных слов, бросающей вызов традиционным фонологическим объяснениям.

Двухэтапная структура для создания векторных представлений устных слов, объединяющих фонетическую и семантическую информацию, что позволяет осуществлять расширенный поиск по звуковым документам, выходящий за рамки простого сопоставления терминов.

Исследование предсказания просодических атрибутов (высота тона, громкость, темп) из повествовательного текста с использованием NLP и языковых моделей для улучшения TTS при создании аудиокниг.

Исследование вычислительной идентификации ненадежных нарраторов с использованием LLM, включающее набор данных TUN A и классификацию интра-, интер-наррационной и интертекстуальной ненадежности.

Исследование о том, как использовать зашумлённый аудио-нарратив в качестве слабого контроля для обучения моделей обнаружения действий, снижая затраты на разметку и используя мультимодальные признаки видео.

Подход zero-shot для генерации выразительных аудиокниг с использованием мультимодальных персонажей дикторов и инструкций на основе LLM, исключающий дорогостоящее обучение и ручную разметку.

Технический анализ системы MultiActor-Audiobook, новой zero-shot системы для генерации выразительных аудиокниг с использованием мультимодальных персонажей и инструкций на основе LLM.