Audio-Novel

audio-novel teknolojisi ve uygulamaları hakkında kapsamlı teknik dokümantasyon ve kaynaklar.

Spotify'ın soğuk başlangıç senaryosunda, sesli kitap meta verilerinden LLM'lerle sentetik sorgular üreterek erişilebilirliği ve sorgu önerilerini iyileştiren AudioBoost sisteminin analizi.

Audiobook-CC'nin analizi: İnce taneli kontrol ve uzun bağlam modellemesi ile tutarlı, duygusal açıdan ifadeli çoklu seslendirmeli sesli kitaplar üretmek için yeni bir konuşma sentezi çerçevesi.

Audiobook-CC'nin analizi: İnce taneli kontrole sahip, tutarlı, duygusal ifadeli ve bağlamsal olarak tutarlı çoklu seslendirmeli sesli kitaplar üretmek için yeni bir Metinden Sese (TTS) çerçevesi.

Spotify'ın Heterojen Grafik Sinir Ağları ve İki Kule modellerini birleştiren yenilikçi 2T-HGNN sistemi, ölçeklenebilir sesli kitap önerileriyle %46 başlama oranı artışı sağlıyor.

Yabancı dil olarak İngilizce öğrenen üniversite öğrencilerinin dinleme anlama becerilerini geliştirmek için mobil sesli kitapların entegrasyonunun analizi; avantajlar, seçim kriterleri, öğretim aşamaları ve değerlendirme konularını kapsar.

Movie101v2'nin analizi: film anlatımı için büyük ölçekli iki dilli bir veri seti, üç aşamalı görev yol haritası, temel değerlendirmeler ve gelecek araştırma yönleri.

Arka planda çalan müzik ve sözlerin konuşma tanımaya etkisini inceleyen araştırmanın analizi; sosyal ortamlar ve gelecek çalışmalar için çıkarımlar.

Anlatımı grafik animasyonlarına bağlayarak ve yapıya duyarlı animasyon efektleri sağlayarak animasyonlu veri videoları oluşturmayı kolaylaştıran etkileşimli bir yazarlık aracı.

Bu makale, video anlatı üretimi için yeni bir görev tanıtıyor, Peppa Pig'den bir veri kümesi sunuyor ve zamanlama ile içerik üretimi için modeller öneriyor.

Fonetik algının anadili olmayan kelime işlemedeki rolünü araştıran bir hesaplamalı model analizi; geleneksel fonolojik açıklamalara meydan okuyor.

Konuşma kelimelerini hem fonetik hem de semantik bilgiyle gömüleyen, basit terim eşleştirmenin ötesinde gelişmiş konuşma belgesi erişimi sağlayan iki aşamalı bir çerçeve.

Anlatı metninden NLP ve dil modelleri kullanarak prozodi özelliklerini (perde, ses şiddeti, konuşma hızı) tahmin etme araştırması, sesli kitap oluşturma için TTS'yi iyileştiriyor.

Gürültülü sesli anlatımların, video eylem tespiti modellerini eğitmek için zayıf denetim olarak nasıl kullanılabileceğini araştıran, çok modlu özelliklerden yararlanırken açıklama maliyetlerini düşüren bir araştırma makalesi.

Çok modlu konuşmacı profilleri ve LLM tabanlı senaryo talimatları kullanarak ifadeli sesli kitaplar üreten, maliyetli eğitim ve manuel etiketleme gerektirmeyen sıfırdan bir yaklaşım.

MultiActor-Audiobook'un, çok modlu konuşmacı kişilikleri ve LLM tabanlı senaryo talimatları kullanarak ifadeli sesli kitaplar üreten yeni bir sıfırdan sistemin teknik analizi.