ভয়েসবক্স ফ্লো-ম্যাচিং স্পিচ জেনারেশন কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. ভয়েসবক্স কোন একক প্রশিক্ষণ টাস্কের জন্য অপ্টিমাইজ করা হয়েছে?
   • আশেপাশের প্রসঙ্গ এবং পাঠ্য দেওয়া মুখোশযুক্ত অডিওর পূর্বাভাস
   • বক্তার আবেগকে শ্রেণিবদ্ধ করা
   • ভাষার মধ্যে পাঠ্য অনুবাদ করা
   • ডিপফেক সনাক্ত করা হচ্ছে
2. ভয়েসবক্স ডিফিউশনের পরিবর্তে কোন উত্পাদনশীল কৌশল ব্যবহার করে?
   • শক্তিবৃদ্ধি শেখার
   • শর্তাধীন প্রবাহ মিল
   • সিদ্ধান্ত গাছ
   • K- মানে ক্লাস্টারিং
3. How does Voicebox condition speech generation on a target speaker without retraining?
   • It retrains the model for every speaker
   • It selects from a fixed list of speaker IDs only
   • It uses a short reference segment as unmasked audio context
   • It averages all training speakers into one voice
4. What efficiency result did the Voicebox paper report for its zero-shot TTS comparison?
   • It required 20× more generation time
   • এটি কোনো নিউরাল নেটওয়ার্ক ছাড়াই চলে
   • It always produced audio in a single millisecond
   • It generated speech up to 20× faster than the compared VALL-E system in the reported setup
5. কেন Meta প্রাথমিকভাবে সম্পূর্ণ ভয়েসবক্স মডেলটি আটকে রেখেছে?
   • ভয়েস-ক্লোনিং অপব্যবহার এবং ডিপফেক সম্পর্কে উদ্বেগ
   • এটি চালানোর জন্য খুব ধীর ছিল
   • এটি শুধুমাত্র একটি ভাষায় কাজ করেছে
   • এটি কোন ব্যবহারযোগ্য অডিও উত্পাদিত
6. কীভাবে একটি মডেল ভয়েসবক্সে সম্পাদনা, ক্লোনিং এবং ডিনোইসিং পরিচালনা করে?
   • প্রতিটি কাজের জন্য আলাদা নেটওয়ার্কে স্যুইচ করার মাধ্যমে
   • প্রেক্ষাপট থেকে মুখোশযুক্ত অডিওর পূর্বাভাস হিসাবে প্রতিটি কাজকে ফ্রেম করে
   • পৃথক টাস্ক-নির্দিষ্ট প্রশিক্ষণ রান ব্যবহার করে
   • প্রতিটি আউটপুট ম্যানুয়ালি স্ক্রিপ্ট করে
7. How many languages did the Voicebox paper report for its multilingual training setup?
   • One language only
   • Two languages
   • Six languages
   • More than one hundred languages
8. How much speech data did the Voicebox paper report using?
   • About 50 hours
   • About 500 hours
   • More than 50 million hours
   • More than 50,000 hours