গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

কচ্ছপ TTS অটোরিগ্রেসিভ সিন্থেসিস কুইজ

দেখুন কিভাবে Tortoise অটোরিগ্রেসিভ স্পিচ টোকেন, একটি ডিফিউশন ডিকোডার, এবং উচ্চ-মানের সংশ্লেষণের জন্য প্রার্থী নির্বাচনকে একত্রিত করে।

প্রশ্ন 1 এর 8

What does Tortoise’s autoregressive transformer do in the synthesis pipeline?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. What does Tortoise’s autoregressive transformer do in the synthesis pipeline?
    • Predicts speech tokens conditioned on text and speaker information
    • Measures the final waveform’s loudness only
    • Selects a license for the generated audio
    • Converts video frames into subtitles
  2. মাত্র কয়েকটি সংক্ষিপ্ত রেফারেন্স ক্লিপ দিয়ে কচ্ছপ কী করতে পারে?
    • পাঠ্যে অডিও ট্রান্সক্রাইব করুন
    • লক্ষ্য ভয়েস ক্লোন করুন এবং নির্বিচারে পাঠ্য পড়ুন
    • শুধুমাত্র ভাষা অনুবাদ করুন
    • পটভূমির শব্দ সরান
  3. কোন দুটি মডেল পরিবার কচ্ছপের নকশাকে সবচেয়ে বেশি প্রভাবিত করেছিল?
    • সিদ্ধান্ত গাছ এবং SVM
    • নিয়ম-ভিত্তিক ফোনমি টেবিল এবং এইচএমএম
    • অটোরিগ্রেসিভ ট্রান্সফরমার এবং ডিফিউশন
    • শুধুমাত্র কনভোল্যুশনাল ফিল্টার
  4. কচ্ছপ কিভাবে একাধিক উত্পন্ন প্রার্থীদের মধ্যে নির্বাচন করে?
    • এটি প্রথমটি বেছে নেয়
    • এটা সবসময় সংক্ষিপ্ত বাছাই
    • এটি ব্যবহারকারীকে জিজ্ঞাসা করে
    • এটি একটি CLVP স্কোরিং মডেল ব্যবহার করে পাঠ্যের বিপরীতে তাদের র‍্যাঙ্ক করতে
  5. কচ্ছপ TTS কে তৈরি করেছেন?
    • জেমস বেটকার
    • জিওফ্রে হিন্টন
    • ইয়ান গুডফেলো
    • আন্দ্রেজ কার্পাথি
  6. কচ্ছপ তুলনামূলকভাবে ধীর হওয়ার প্রধান কারণ কী?
    • এটি প্রতিবার ক্লাউড থেকে ভয়েস ডাউনলোড করে
    • এটি অনেক প্রার্থীর গুণমান, নমুনা এবং পরিমার্জনকে অগ্রাধিকার দেয়
    • এটি শুধুমাত্র CPU-তে চলে
    • এটি অডিও বারবার সংকুচিত করে
  7. What can Tortoise’s random voice option generate without a supplied reference speaker?
    • A verified recording of a specific real person
    • A translation of an existing speaker’s legal identity
    • A synthetic voice selected by the model
    • A speaker embedding from a missing audio file
  8. How does Tortoise package reference-voice conditioning for reuse?
    • It stores only a text transcript
    • It saves the voice as a LoRA for an image model
    • It records the speaker’s legal name in the waveform
    • It stores autoregressive and diffusion conditioning latents