اختبار مرتبط بالدليل · صعب المستوى
اختبار VALL-E ونماذج لغة الترميز
قم بمراجعة نهج نموذج لغة رمز الترميز الخاص بـ VALL-E، وتوليد الرمز المميز على مراحل، والظروف الكامنة وراء نتائج الصوت القليلة المبلغ عنها.
سؤال 1 من 8
ما هي الفكرة الأساسية التي تميز VALL-E عن أنظمة تحويل النص إلى كلام السابقة؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هي الفكرة الأساسية التي تميز VALL-E عن أنظمة تحويل النص إلى كلام السابقة؟
- يتنبأ برموز الترميز العصبية كمهمة نمذجة لغة بدلاً من التنبؤ بمخطط طيفي
- يستخدم فقط معالجة الإشارات اليدوية
- يتطلب ساعات من الصوت من السماعة المستهدفة
- فهو يولد النص من الكلام
- ما مقدار الصوت المرجعي الذي يحتاجه VALL-E لاستنساخ صوت المتحدث الجديد؟
- حوالي ساعة واحدة
- حوالي ثلاث ثوان
- لا يوجد صوت مرجعي على الإطلاق
- حوالي ثلاثين دقيقة
- ما هو برنامج الترميز العصبي الذي يستخدمه VALL-E لإنتاج الرموز الصوتية الخاصة به؟
- MP3
- التأليف
- ترميز
- واف
- لماذا يستخدم VALL-E كلا من مرحلة الانحدار الذاتي وغير الانحدار الذاتي؟
- لترجمة الكلام إلى لغات متعددة
- لفصل الموسيقى عن الكلام
- لضغط إدخال النص
- نظرًا لأن الرموز المميزة لبرنامج الترميز تكون في طبقات، فهي تتنبأ بالرموز المميزة بشكل تسلسلي والرموز المميزة بالتوازي
- ما هو مقدار بيانات الكلام تقريبًا التي تم تدريب VALL-E عليها، مما أتاح استنساخًا قويًا بدون إطلاقة؟
- حوالي 60,000 ساعة
- حوالي 100 ساعة
- حوالي 1,000 ساعة
- حوالي 10 ساعات
- إلى جانب الجرس، ما الذي يمكن لـ VALL-E الحفاظ عليه من المقطع المرجعي القصير؟
- كلمات المتحدث بالضبط إلى الأبد
- البيئة الصوتية للتسجيل
- والفيديو الذي رافقه
- تنسيق الملف الأصلي
- What does VALL-E condition on to imitate a target speaker in its demonstration setup?
- A photograph and a written biography only
- A long labeled transcript from every target-speaker recording
- A short audio prompt from that speaker plus the text to speak
- A speaker ID with no audio example
- What text representation does the VALL-E paper use as input to its text-to-code model?
- A raw waveform of the target utterance
- A speaker’s face embedding
- A list of MIDI notes
- A phoneme sequence