Kvíz spojený s průvodcem · Střední úroveň

Kvíz generování řeči s přizpůsobením toku hlasové schránky

Otestujte cíl Voicebox na vyplňování řeči, generování přizpůsobení toku, kontextové úpravy a hlášený rozsah vícejazyčného školení.

Otázka 1 z 8

Pro jaký jednotlivý tréninkový úkol je Voicebox optimalizován?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Pro jaký jednotlivý tréninkový úkol je Voicebox optimalizován?
    • Předvídání maskovaného zvuku s ohledem na okolní kontext a text
    • Klasifikace emocí mluvčího
    • Překlad textu mezi jazyky
    • Detekce deepfakes
  2. Jakou generativní techniku používá Voicebox místo difúze?
    • Posílení učení
    • Podmíněné přizpůsobení toku
    • Rozhodovací stromy
    • K-znamená shlukování
  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
    • Běžel bez jakékoli neuronové sítě
    • 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. Proč Meta původně zadržela úplný model hlasové schránky?
    • Obavy ze zneužití hlasového klonování a deepfakes
    • Bylo to příliš pomalé na běh
    • Fungovalo to pouze v jednom jazyce
    • Neprodukoval žádný použitelný zvuk
  6. Jak jeden model zvládne úpravy, klonování a odstranění šumu ve Voiceboxu?
    • Přepnutím na jinou síť pro každý úkol
    • Rámováním každého úkolu jako predikce maskovaného zvuku z kontextu
    • Pomocí samostatných školení specifických pro daný úkol
    • Ručním skriptováním každého výstupu
  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