Tacotron 2 Тест

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какво междинно представяне предвижда Tacotron 2 от текст?
   • Мел-спектрограма
   • JPEG изображение
   • Само необработени текстови фонеми
   • MIDI файл
2. Какво преобразува спектрограмата на Tacotron 2 в действителна форма на вълната?
   • Проверка на правописа
   • Модифициран вокодер WaveNet
   • Търсачка
   • Конволюционен класификатор на изображения
3. Какъв проблем помага да се предотврати чувствителното към местоположението внимание?
   • Прегряване на GPU
   • Загуба на интернет връзка
   • Повтарящи се или пропуснати думи по време на синтез
   • Правописни грешки във въведения текст
4. How does Tacotron 2 determine that it has generated the end of an utterance?
   • A human must press a button for every utterance
   • It always generates a fixed number of frames
   • The vocoder detects silence and interrupts the decoder
   • A learned stop-token prediction signals the decoder to stop
5. Какъв цялостен стил на архитектура използва частта от текст към спектрограма?
   • Последователност в последователност с внимание
   • Проста справочна таблица
   • Дърво на решенията
   • Статичен набор от правила
6. Кой по-късен модел е по-бърз, неавторегресивен наследник по дух на Tacotron 2?
   • ResNet
   • FastSpeech 2
   • БЕРТ
   • AlexNet
7. What does the post-net in Tacotron 2 refine?
   • The input text spelling
   • The speaker’s identity metadata
   • The predicted mel-spectrogram
   • The final transcript punctuation
8. What does FastSpeech 2 add as conditioning information for speech variation?
   • A video soundtrack transcript only
   • A random microphone serial number
   • A mandatory image embedding
   • Pitch, energy, and more accurate duration information