Kvíz spojený s průvodcem · Střední úroveň
Kvíz generativního audio modelu Bark
Pochopte zinscenované generování zvukových tokenů Bark, jeho dekodér křivek EnCodec a jak textové narážky mohou vyvolat řeč a neverbální zvuky.
Otázka 1 z 8
Čím se Bark liší od tradičního nástroje pro převod textu na řeč?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Čím se Bark liší od tradičního nástroje pro převod textu na řeč?
- Může generovat neverbální zvuky, jako je smích a hudba, nejen řeč
- Vydává pouze čistou robotickou řeč
- Vyžaduje nahraný vzorek hlasu pro každý výstup
- Převádí zvuk na text
- Kdo vydal model Bark?
- OpenAI
- Suno
- Google DeepMind
- Meta
- Jak Bark zásadně generuje zvuk?
- Spojením předem nahraných fonémů
- Použitím filtrů na referenční záznam
- Předpovídáním diskrétních zvukových tokenů autoregresivně jako jazykový model
- Renderováním MIDI not
- Jaký nervový kodek Bark používá k přeměně tokenů na tvar vlny?
- MP3
- FLAC
- WaveNet
- EnCodec společnosti Meta
- Proč může stejná výzva Bark pokaždé přinést jiné výsledky?
- Generování je pravděpodobnostní, takže každý běh vzorkuje jinou sekvenci
- Náhodně ukládá výstupy do mezipaměti
- Při opakovaných výzvách vždy chybuje
- Záleží na denní době
- Jaká je známá nevýhoda Barku ve srovnání s vyhrazenými systémy TTS?
- Neumí mluvit žádným jazykem
- Může halucinovat extra zvuky a je hůře ovladatelný
- Funguje pouze offline
- Vytváří tichý zvuk
- Co produkuje Barkova sémantická až hrubá fáze?
- Přepis generovaného průběhu
- Mel-spektrogram bez audio tokenů
- První dva zvukové kódové knihy EnCodec
- Vložení obrázku
- Jak může výzva Štěka vyžadovat neverbální událost, jako je smích?
- Přidejte masku obrázku ke zvukovým tokenům
- Trénujte nový model EnCodec pro každé tágo
- Převeďte cue na soubor CSV
- Do textové výzvy zahrňte vodítko, jako je [smích]