Kvíz spojený s průvodcem · Střední úroveň

Autoregresivní syntézní kvíz želvy TTS

Podívejte se, jak Tortoise kombinuje autoregresivní řečové tokeny, difúzní dekodér a výběr kandidátů pro vysoce kvalitní syntézu.

Související vodicí cestyAutoregresivní syntéza Tortoise Tts
Otázka 1 z 8

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

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  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. Co dokáže želva udělat s několika krátkými referenčními klipy?
    • Přepis zvuku na text
    • Klonujte cílový hlas a přečtěte si libovolný text
    • Překládejte pouze jazyky
    • Odstraňte hluk na pozadí
  3. Které dvě modelové rodiny nejvíce ovlivnily design Tortoise?
    • Rozhodovací stromy a SVM
    • Tabulky fonémů založené na pravidlech a HMM
    • Autoregresní transformátory a difuze
    • Pouze konvoluční filtry
  4. Jak si želva vybírá mezi více vygenerovanými kandidáty?
    • Vybírá to první
    • Vždy vybere to nejkratší
    • Ptá se to uživatele
    • K jejich seřazení podle textu používá bodovací model CLVP
  5. Kdo vytvořil Tortoise TTS?
    • James Betker
    • Geoffrey Hinton
    • Ian Goodfellow
    • Andrej Karpathy
  6. Jaký je hlavní důvod, proč je želva relativně pomalá?
    • Pokaždé stahuje hlasy z cloudu
    • Upřednostňuje kvalitu, vzorkování a rafinaci mnoha kandidátů
    • Běží pouze na CPU
    • Opakovaně komprimuje zvuk
  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