বার্ক জেনারেটিভ অডিও মডেল কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. কি বার্ককে একটি প্রথাগত টেক্সট-টু-স্পীচ ইঞ্জিন থেকে আলাদা করে?
   • এটি কেবল বক্তৃতা নয়, হাসি এবং সঙ্গীতের মতো অমৌখিক শব্দ তৈরি করতে পারে
   • এটি শুধুমাত্র পরিষ্কার রোবোটিক বক্তৃতা দেয়
   • এটি প্রতিটি আউটপুট জন্য একটি রেকর্ড করা ভয়েস নমুনা প্রয়োজন
   • এটি অডিওকে টেক্সটে রূপান্তর করে
2. কে বার্ক মডেল মুক্তি?
   • OpenAI
   • Suno
   • Google ডিপমাইন্ড
   • Meta
3. বার্ক কীভাবে মৌলিকভাবে অডিও তৈরি করে?
   • প্রাক-রেকর্ড করা ফোনেম একসাথে সেলাই করে
   • একটি রেফারেন্স রেকর্ডিং ফিল্টার প্রয়োগ করে
   • একটি ভাষার মডেলের মতো স্বয়ংক্রিয়ভাবে বিচ্ছিন্ন অডিও টোকেনগুলির ভবিষ্যদ্বাণী করে৷
   • MIDI নোট রেন্ডার করে
4. টোকেনকে তরঙ্গরূপে পরিণত করতে বার্ক কোন নিউরাল কোডেক ব্যবহার করে?
   • MP3
   • FLAC
   • ওয়েভনেট
   • Meta এর এনকোডেক
5. কেন একই বার্ক প্রম্পট প্রতিবার ভিন্ন ফলাফল দিতে পারে?
   • জেনারেশন সম্ভাব্য, তাই প্রতিটি রান একটি ভিন্ন ক্রম নমুনা করে
   • এটি এলোমেলোভাবে আউটপুট ক্যাশে
   • এটি পুনরাবৃত্তি প্রম্পটে সবসময় ত্রুটি
   • এটা দিনের সময়ের উপর নির্ভর করে
6. ডেডিকেটেড TTS সিস্টেমের তুলনায় বার্কের একটি পরিচিত ত্রুটি কী?
   • এটা কোনো ভাষায় কথা বলতে পারে না
   • এটি অতিরিক্ত শব্দকে হ্যালুসিনেট করতে পারে এবং কম নিয়ন্ত্রণযোগ্য
   • এটি শুধুমাত্র অফলাইনে কাজ করে
   • এটি নীরব অডিও তৈরি করে
7. What does Bark’s semantic-to-coarse stage produce?
   • A transcript of the generated waveform
   • A mel-spectrogram with no audio tokens
   • The first two EnCodec audio codebooks
   • An image embedding
8. How can a Bark prompt request a nonverbal event such as laughter?
   • Add an image mask to the audio tokens
   • Train a new EnCodec model for every cue
   • Convert the cue to a CSV file
   • Include a cue such as [laughs] in the text prompt