Тест за монотонно подравняване на Glow-TTS

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какъв проблем с TTS, базиран на вниманието, се стреми да коригира Glow-TTS?
   • Пропускане или повтаряне на думи в дълги изречения
   • Аудио, което е твърде тихо
   • Невъзможност за използване на GPU
   • Липса на текстов енкодер
2. Какво означава MAS в Glow-TTS?
   • Мел аудио синтез
   • Търсене на монотонно подравняване
   • Система за много внимание
   • Модулен акустичен семплер
3. Защо се изисква подравняването да бъде монотонно?
   • За да направите звука по-силен
   • За да намалите размера на файла
   • Тъй като текстът се чете в ред отляво надясно с течение на времето
   • За поддръжка на множество високоговорители
4. Какъв тип декодер използва Glow-TTS за моделиране на спектрограми?
   • Мрежа за повтарящо се внимание
   • Конволюционен класификатор
   • Трансформиращ езиков модел
   • Нормализиращ поток
5. По време на извода как Glow-TTS решава колко време трае всеки текстов токен?
   • Предсказателят на продължителността извежда броя кадри на токен
   • Той изпълнява MAS отново на аудиото
   • Отгатва произволно
   • Използва микрофон
6. Какво е практическото предимство на това, че Glow-TTS не е авторегресивен?
   • Не се нуждае от въвеждане на текст
   • Той може да генерира всички рамки паралелно за бърз синтез
   • Не може да контролира височината
   • Работи само офлайн
7. What does the surjective-alignment assumption mean in Glow-TTS?
   • Each speech frame maps to multiple languages
   • Some text tokens must be skipped
   • Every text token maps to at least one speech frame
   • The output audio has no frame sequence
8. How does Glow-TTS find a likely alignment during training?
   • A human marks every phoneme-frame pair by hand
   • It randomly permutes the text tokens
   • A waveform classifier chooses a speaker identity
   • Dynamic programming searches for the most probable valid monotonic path