Тест, свързан с ръководство · трудно Ниво

VALL-E и тест за езикови модели на кодеци

Прегледайте езиковия модел на кодек-токен подхода на VALL-E, неговото поетапно генериране на токени и условията зад отчетените му гласови резултати с няколко изстрела.

Свързани ръководни пътекиVall E и езикови модели на кодеци
Въпрос 1 на 8

Каква основна идея отличава VALL-E от по-ранните системи за синтез на реч?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква основна идея отличава VALL-E от по-ранните системи за синтез на реч?
    • Той предсказва токени на невронни кодеци като задача за моделиране на езика, вместо да предсказва спектрограма
    • Той използва само ръчно изработена обработка на сигнала
    • Изисква часове аудио от целевия говорител
    • Той генерира текст от реч
  2. Колко референтно аудио се нуждае от VALL-E, за да клонира гласа на нов говорител?
    • Около един час
    • Около три секунди
    • Изобщо няма референтно аудио
    • Около тридесет минути
  3. Кой неврален кодек използва VALL-E, за да произвежда своите аудио токени?
    • MP3
    • Опус
    • EnCodec
    • WAV
  4. Защо VALL-E използва както авторегресивен, така и неавторегресивен етап?
    • За да преведете речта на множество езици
    • Да се отдели музиката от речта
    • За да компресирате въведения текст
    • Тъй като токените на кодека са наслоени, той предсказва грубите токени последователно и фините токени паралелно
  5. Приблизително върху колко говорни данни е обучен VALL-E, позволявайки силно клониране с нулев удар?
    • Около 60 000 часа
    • Около 100 часа
    • Около 1000 часа
    • Около 10 часа
  6. Освен тембър, какво още може да запази VALL-E от краткия референтен клип?
    • Точните думи на оратора завинаги
    • Акустичната среда на записа
    • Видеото, което го придружава
    • Оригиналният файлов формат
  7. 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
  8. 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