ন্যাচারাল স্পিচ এবং সুপ্ত ডিফিউশন টিটিএস কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. What did the original NaturalSpeech paper report for its LJSpeech evaluation?
   • Human-level quality under the paper’s stated evaluation protocol
   • Human-level quality on every language and speaker
   • Perfect equality to every human recording
   • A universal guarantee of naturalness
2. NaturalSpeech 2 এর সুপ্ত প্রসারণ মডেল আসলে কী তৈরি করে?
   • কাঁচা অডিও তরঙ্গরূপ সরাসরি
   • একটি নিউরাল অডিও কোডেক থেকে ক্রমাগত সুপ্ত ভেক্টর
   • মুদ্রিত ফোনেটিক প্রতিলিপি
   • মানুষের দেখার জন্য ইমেজ স্পেকট্রোগ্রাম ছবি
3. কিভাবে একটি প্রসারিত মডেল একটি উচ্চ স্তরে তথ্য উৎপন্ন করে?
   • এটি প্রশিক্ষণ ক্লিপগুলি মুখস্থ করে এবং পুনরায় প্লে করে
   • এটি বর্ণানুক্রমিকভাবে নমুনা সাজায়
   • এটি একটি ধাপে ধাপে শব্দ করার প্রক্রিয়াকে বিপরীত করতে শেখে, এলোমেলো শব্দ থেকে ডেটাতে বিচ্ছিন্ন করে
   • এটি পাঠ্যের শুধুমাত্র পরবর্তী শব্দের পূর্বাভাস দেয়
4. সুপ্ত প্রসারণ ন্যাচারাল স্পিচ 2 কে কোন মূল ক্ষমতা দেয়?
   • ছবিতে বক্তৃতা অনুবাদ করা হচ্ছে
   • কোনো টেক্সট ইনপুট জন্য প্রয়োজন অপসারণ
   • শুধুমাত্র একটি একক স্থির ভয়েস তৈরি করা হচ্ছে
   • একটি সংক্ষিপ্ত রেফারেন্স প্রম্পট থেকে জিরো-শট ভয়েস ক্লোনিং
5. NaturalSpeech 3 এর 'ফ্যাক্টরাইজড ডিফিউশন'-এর কেন্দ্রীয় ধারণা কী?
   • কন্টেন্ট, প্রসোডি এবং টিমব্রের মতো বিচ্ছিন্ন বৈশিষ্ট্যগুলিতে বক্তৃতাকে আলাদা করা, স্বাধীনভাবে মডেল করা
   • পাঠ্য বাদ দিয়ে দ্বিগুণ দ্রুত বক্তৃতা তৈরি করা হচ্ছে
   • একটি একক পূর্ণসংখ্যাতে অডিও কম্প্রেস করা হচ্ছে
   • শুধুমাত্র নিয়ম-ভিত্তিক সংকেত প্রক্রিয়াকরণ ব্যবহার করে
6. কেন হাই-ফিডেলিটি ডিফিউশন টিটিএস ওয়াটারমার্কিংয়ের মতো সুরক্ষার প্রয়োজনীয়তা বাড়ায়?
   • কারণ এটি অডিও ফাইলগুলিকে সংরক্ষণের জন্য খুব বড় করে তোলে
   • কারণ বাস্তবসম্মত জিরো-শট ভয়েস ক্লোনিং স্পষ্ট অপব্যবহার এবং ছদ্মবেশের ঝুঁকি বাড়ায়
   • কারণ এটি শুধুমাত্র একটি ভাষায় কাজ করে
   • কারণ ডিফিউশন মডেলগুলিকে মোটেই প্রশিক্ষিত করা যায় না
7. After NaturalSpeech 2 diffusion generates codec latents, what converts them into speech?
   • A text tokenizer turns them into phonemes
   • A speaker diarization model turns them into subtitles
   • A neural audio-codec decoder turns the generated latents into waveform audio
   • A spectrogram classifier selects a genre
8. What can NaturalSpeech 3’s factorized speech representation make easier?
   • Replacing the need for any audio decoder
   • Guaranteeing every cloned voice has consent
   • Converting speech into text without an acoustic model
   • Adjusting attributes such as prosody and timbre more independently