Kvíz spojený s průvodcem · Střední úroveň
FastPitch Pitch-ovladatelný TTS kvíz
Zjistěte, jak FastPitch předpovídá obrysy základní frekvence, upravuje výšku tónu při odvození a syntetizuje snímky mel paralelně.
Otázka 1 z 8
Jaký extra signál FastPitch explicitně předpovídá pro každý vstupní token?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaký extra signál FastPitch explicitně předpovídá pro každý vstupní token?
- Výška tónu (základní frekvence)
- Pohlaví mluvčího
- Úroveň hluku na pozadí
- ID jazyka
- Jak FastPitch generuje mel-spektrogram tak rychle?
- Streamováním zvuku jeden vzorek po druhém
- Neautoregresivně, v jediném paralelním průchodu vpřed
- Kopírováním ze zaznamenané databáze
- Tím, že běží pouze na jednom jádru CPU
- How can a user change the intonation contour in FastPitch output without retraining?
- Smazáním fonémů
- Pouze změnou náhodného semene
- Změnou měřítka nebo úpravou předpokládaných hodnot výšky tónu
- Snížením vzorkovací frekvence
- Jak se během tréninku přiřazuje cílová výška pro každý žeton?
- Náhodná hodnota
- Maximální amplituda zvuku
- Pouze hodnota prvního snímku
- Průměrná základní frekvence za dobu trvání tokenu
- What synthesis throughput did the FastPitch paper report for a typical utterance?
- Over 900× real time for mel-spectrogram synthesis in the reported setup
- About one second of audio per hour
- Exactly 2× real time for waveform output
- No measurement of synthesis speed
- Proč je ovládání rozteče podle tokenu popsáno jako intuitivní, ale hrubé?
- Předpovídá výšku tónu na zvukový vzorek
- Předpovídá jednu hodnotu výšky tónu na symbol, nikoli na snímek
- Úplně ignoruje výšku tónu
- Funguje pouze pro jeden reproduktor
- Which earlier parallel TTS architecture is FastPitch based on?
- Tacotron 2
- WavLM
- FastSpeech
- HiFi-GAN
- Besides pitch, what token-level signal helps FastPitch align text with output frames?
- Speaker gender
- Background noise level
- Language identity only
- Predicted token duration