Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ μονοτονικής ευθυγράμμισης Glow-TTS

Ελέγξτε πώς το Glow-TTS χρησιμοποιεί μονοτονική αναζήτηση ευθυγράμμισης και πρόβλεψη διάρκειας για την παράλληλη σύνθεση ομιλίας, χωρίς εξωτερική ευθυγράμμιση.

Σχετικές διαδρομές οδηγώνGlow Tts Μονοτονική Ευθυγράμμιση
Ερώτηση 1 του 8

Ποιο πρόβλημα με το TTS που βασίζεται στην προσοχή στοχεύει να διορθώσει το Glow-TTS;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιο πρόβλημα με το TTS που βασίζεται στην προσοχή στοχεύει να διορθώσει το Glow-TTS;
    • Παράλειψη ή επανάληψη λέξεων σε μεγάλες προτάσεις
    • Ήχος που είναι πολύ αθόρυβος
    • Αδυναμία χρήσης GPU
    • Έλλειψη κωδικοποιητή κειμένου
  2. Τι σημαίνει το MAS στο Glow-TTS;
    • Mel Audio Synthesis
    • Αναζήτηση Μονοτονικής Ευθυγράμμισης
    • Σύστημα πολλαπλής προσοχής
    • Modular Acoustic Sampler
  3. Γιατί απαιτείται η ευθυγράμμιση να είναι μονότονη;
    • Για να κάνετε τον ήχο πιο δυνατό
    • Για να μειώσετε το μέγεθος του αρχείου
    • Επειδή το κείμενο διαβάζεται με τη σειρά από αριστερά προς τα δεξιά με την πάροδο του χρόνου
    • Για υποστήριξη πολλαπλών ηχείων
  4. Τι τύπο αποκωδικοποιητή χρησιμοποιεί το Glow-TTS για τη μοντελοποίηση φασματογραμμάτων;
    • Ένα δίκτυο επαναλαμβανόμενης προσοχής
    • Ένας συνελικτικός ταξινομητής
    • Ένα μοντέλο γλώσσας μετασχηματιστή
    • Ομαλοποιητική ροή
  5. Κατά τον χρόνο συμπερασμάτων, πώς αποφασίζει το Glow-TTS πόσο χρόνο διαρκεί κάθε διακριτικό κειμένου;
    • Ένα πρόγραμμα πρόβλεψης διάρκειας εξάγει μετρήσεις καρέ ανά διακριτικό
    • Τρέχει ξανά MAS στον ήχο
    • Μαντεύει τυχαία
    • Χρησιμοποιεί μικρόφωνο
  6. Ποιο είναι το πρακτικό πλεονέκτημα του Glow-TTS να μην είναι αυτοπαλινδρομικό;
    • Δεν χρειάζεται εισαγωγή κειμένου
    • Μπορεί να δημιουργήσει όλα τα πλαίσια παράλληλα για γρήγορη σύνθεση
    • Δεν μπορεί να ελέγξει τον αγωνιστικό χώρο
    • Λειτουργεί μόνο εκτός σύνδεσης
  7. What does the surjective-alignment assumption mean in Glow-TTS?
    • Each speech frame maps to multiple languages
    • Some text tokens must be skipped
    • Every text token maps to at least one speech frame
    • The output audio has no frame sequence
  8. How does Glow-TTS find a likely alignment during training?
    • A human marks every phoneme-frame pair by hand
    • It randomly permutes the text tokens
    • A waveform classifier chooses a speaker identity
    • Dynamic programming searches for the most probable valid monotonic path