論文の概要: Dramarrator: Object-Based Audio Editing for Audio Drama Production from Books
- arxiv url: http://arxiv.org/abs/2608.08349v1
- Date: Sat, 08 Aug 2026 22:09:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.783915
- Title: Dramarrator: Object-Based Audio Editing for Audio Drama Production from Books
- Title（参考訳）: Dramarrator:本からオーディオドラマを制作するためのオブジェクトベースのオーディオ編集
- Abstract要約: Dramarratorは、オブジェクトベースのオーディオ編集を中心に構築されたオーディオドラマのオーサリングツールである。
リンクされたオーディオアセット(音声、サウンドエフェクト、音楽)を生成し、マルチトラックオーディオドラマを構成する。
任意のオブジェクト(例えば、キャラクタの声)への編集は、自動的にすべての依存資産に伝播する。
- 参考スコア（独自算出の注目度）: 30.129977103879824
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Audio dramas weave dialogue, sound effects, and music into immersive stories. Creators often adapt books into audio dramas, but this process remains labor-intensive, requiring them to interpret source material, author scripts, generate audio assets, and assemble them on a timeline. Because story elements like characters and scenes manifest across many interdependent assets, a single change can ripple into manual updates across the entire project. We present Dramarrator, an audio drama authoring tool built around object-based audio editing, where these story elements are represented as editable objects. Dramarrator extracts these objects from a book, generates linked audio assets (speech, sound effects, and music), and composes a multi-track audio drama. Edits to any object (e.g., a character's voice) automatically propagate to all dependent assets. In a user study with professionals (N=8), Dramarrator significantly lowered task load when creating audio dramas. A listener study (N=300) shows that creator-refined output from Dramarrator approaches the quality of productions made with existing professional tools, and an exploratory study (N=3) suggests object-based editing lowers entry barriers and generalizes beyond audio dramas.
- Abstract（参考訳）: オーディオドラマは、対話、サウンドエフェクト、音楽などを没入的な物語に織り込む。
作者は、しばしば本をオーディオドラマに適応させるが、このプロセスは労働集約的であり、ソース資料、作者のスクリプト、オーディオ資産の生成、タイムライン上での組み立てを必要としている。
キャラクターやシーンのようなストーリー要素は多くの相互依存資産にまたがって現れるため、単一の変更がプロジェクト全体にわたって手動で更新される可能性がある。
本稿では、オブジェクトベースのオーディオ編集を中心に構築されたオーディオドラマオーサリングツールであるDramarratorを紹介し、これらのストーリー要素を編集可能なオブジェクトとして表現する。
ドラマレーターは、本からこれらのオブジェクトを抽出し、リンクされたオーディオアセット(音声、音響効果、音楽)を生成し、マルチトラックオーディオドラマを構成する。
任意のオブジェクト(例えば文字の声)に編集すると、依存するすべての資産に自動的に伝播する。
プロを対象にしたユーザスタディ(N=8)では,オーディオドラマ作成時のタスク負荷が有意に低下した。
リスナースタディ (N=300) では、Dramarrator のクリエーターによるアウトプットが、既存のプロツールによるプロダクションの品質に近づき、探索的研究 (N=3) では、オブジェクトベースの編集がエントリーバリアを低くし、オーディオドラマを超えて一般化することを示唆している。
関連論文リスト
- CutClaw: Agentic Hours-Long Video Editing via Music Synchronization [96.62825277039117]
CutClawは、数時間の生の映像を意味のある短いビデオに編集するために設計された、自律的なマルチエージェントフレームワークだ。
同期音楽の動画を制作し、指示と視覚的に魅力的な外観が続く。
われわれは、CutClawが高品質なリズムアライメントビデオを生成する際に、最先端のベースラインを大幅に上回っていることを示すための詳細な実験を行っている。
論文 参考訳（メタデータ） (2026-03-31T12:25:53Z) - Object-AVEdit: An Object-level Audio-Visual Editing Model [79.62095842136115]
インバージョン再生パラダイムに基づくオブジェクトレベルの音声視覚編集を実現するtextbfObject-AVEditを提案する。
編集中のオブジェクトレベルの制御性を実現するために,単語から音声へのオブジェクトの一致した音声生成モデルを開発した。
より優れた構造情報保存とオブジェクトレベルの編集効果を実現するため,本アルゴリズムでは,倒立再生に最適化された編集アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-09-27T18:12:13Z) - Guiding Audio Editing with Audio Language Model [13.126858950459557]
本稿では,ステレオ音声編集のための新しいフレームワークであるSmartDJを紹介する。
高レベルの命令が与えられたら、SmartDJはそれを一連のアトミックな編集操作に分解する。
これらの操作はステレオオーディオを操作するために訓練された拡散モデルによって実行される。
論文 参考訳（メタデータ） (2025-09-25T21:43:45Z) - Recomposer: Event-roll-guided generative audio editing [20.394283728168805]
本稿では,複雑なシーン内で個々の音イベントを編集し,個々の音イベントを削除,挿入,拡張するシステムを提案する。
本稿では、合成(入力、所望出力)オーディオサンプル対に基づいて訓練された、SoundStream表現に取り組んでいるエンコーダ・デコーダ変換器を提案する。
論文 参考訳（メタデータ） (2025-09-05T17:14:29Z) - AudioStory: Generating Long-Form Narrative Audio with Large Language Models [87.23256929520743]
AudioStoryは、大きな言語モデルとテキストからオーディオシステムを統合して、構造化された長文の音声物語を生成するフレームワークである。
LLMを用いて複雑な物語クエリを時間順に並べたサブタスクに分解する。
広汎な実験により,単一音声生成と物語音声生成の両方においてAudioStoryの優位性が,指示追従能力と音声忠実性の両方において,TTAベースラインを上回った。
論文 参考訳（メタデータ） (2025-08-27T17:55:38Z) - ThinkSound: Chain-of-Thought Reasoning in Multimodal Large Language Models for Audio Generation and Editing [47.14083940177122]
ThinkSoundは、ビデオの段階的にインタラクティブなオーディオ生成と編集を可能にする新しいフレームワークである。
提案手法は,3つの相補的な段階 – セマンティック・コヒーレント,インタラクティブなオブジェクト中心の改良,ターゲット編集 – に分解する。
実験により、ThinkSoundはオーディオメトリクスとCoTメトリクスの両方で、ビデオからオーディオ生成における最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-06-26T16:32:06Z) - ReelWave: Multi-Agentic Movie Sound Generation through Multimodal LLM Conversation [72.22243595269389]
本稿では,自律型サウンドディレクタによって教師される音声生成のためのマルチエージェントフレームワークを提案する。
Foley ArtistはComposerとVoice Actorのエージェントと共同で働き、共同でオフスクリーンサウンドを自動生成して全体の生産を補完する。
本フレームワークは,映画から抽出した映像クリップに調和した,リッチで関連性の高い音声コンテンツを生成できる。
論文 参考訳（メタデータ） (2025-03-10T11:57:55Z) - WavJourney: Compositional Audio Creation with Large Language Models [38.39551216587242]
We present WavJourney, a novel framework that leverages Large Language Models to connect various audio model for audio creation。
WavJourneyを使えば、ユーザーはテキストによる説明だけで様々なオーディオ要素でストーリーテリングオーディオコンテンツを作成できる。
We show that WavJourney are capable to synthesize real audio aligned with textual-description semantic, spatial and temporal conditions。
論文 参考訳（メタデータ） (2023-07-26T17:54:04Z) - AUDIT: Audio Editing by Following Instructions with Latent Diffusion
Models [40.13710449689338]
AUDITは遅延拡散モデルに基づく命令誘導音声編集モデルである。
複数のオーディオ編集タスクに対する客観的および主観的メトリクスの両面で、最先端の結果を達成する。
論文 参考訳（メタデータ） (2023-04-03T09:15:51Z) - AudioGen: Textually Guided Audio Generation [116.57006301417306]
記述文キャプションに条件付き音声サンプルを生成する問題に対処する。
本研究では,テキスト入力に条件付き音声サンプルを生成する自動回帰モデルであるAaudioGenを提案する。
論文 参考訳（メタデータ） (2022-09-30T10:17:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。