FastPitch Питч-контролируем TTS тест

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какъв допълнителен сигнал предвижда изрично FastPitch за всеки входен токен?
   • Стъпката (основна честота)
   • Полът на говорещия
   • Нивото на фоновия шум
   • ID на езика
2. Как FastPitch генерира мел-спектрограмата толкова бързо?
   • Чрез стрийминг на аудио един образец наведнъж
   • Неавторегресивно, в едно успоредно преминаване напред
   • Чрез копиране от записана база данни
   • Като работи само на едно ядро на процесора
3. How can a user change the intonation contour in FastPitch output without retraining?
   • Чрез изтриване на фонеми
   • Само чрез промяна на произволното семе
   • Чрез мащабиране или редактиране на прогнозираните стойности на височината
   • Чрез намаляване на честотата на дискретизация
4. По време на обучение, как се присвоява целта на терена на жетон?
   • Случайна стойност
   • Максималната амплитуда на звука
   • Само стойността на първия кадър
   • Средната основна честота за продължителността на токена
5. What synthesis throughput did the FastPitch paper report for a typical utterance?
   • Over 900× real time for mel-spectrogram synthesis in the reported setup
   • About one second of audio per hour
   • Exactly 2× real time for waveform output
   • No measurement of synthesis speed
6. Защо управлението на стъпката на жетон е описано като интуитивно, но грубо?
   • Предсказва височината на звука за аудио проба
   • Той предвижда една стойност на стъпката на символ, а не на рамка
   • Той напълно игнорира височината
   • Работи само за един високоговорител
7. Which earlier parallel TTS architecture is FastPitch based on?
   • Такотрон 2
   • WavLM
   • FastSpeech
   • HiFi-GAN
8. Besides pitch, what token-level signal helps FastPitch align text with output frames?
   • Speaker gender
   • Background noise level
   • Language identity only
   • Predicted token duration