Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ αυτοπαλίνδρομης σύνθεσης Tortoise TTS

Δείτε πώς το Tortoise συνδυάζει αυτοπαλινδρομικά διακριτικά ομιλίας, έναν αποκωδικοποιητή διάχυσης και επιλογή υποψηφίου για σύνθεση υψηλής ποιότητας.

Σχετικές διαδρομές οδηγώνΑυτοπαλινδρομική Σύνθεση Χελώνας Tts
Ερώτηση 1 του 8

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

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  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. Τι μπορεί να κάνει η Χελώνα με μερικά μόνο σύντομα κλιπ αναφοράς;
    • Μεταγραφή ήχου σε κείμενο
    • Κλωνοποιήστε τη φωνή-στόχο και διαβάστε αυθαίρετο κείμενο
    • Μετάφραση μόνο γλωσσών
    • Αφαιρέστε το θόρυβο φόντου
  3. Ποιες δύο οικογένειες μοντέλων επηρέασαν περισσότερο το σχέδιο της Tortoise;
    • Δέντρα αποφάσεων και SVM
    • Πίνακες φωνημάτων που βασίζονται σε κανόνες και HMM
    • Αυτοπαλινδρομικοί μετασχηματιστές και διάχυση
    • Μόνο συνελικτικά φίλτρα
  4. Πώς επιλέγει η Χελώνα ανάμεσα σε πολλούς υποψηφίους που δημιουργούνται;
    • Διαλέγει το πρώτο
    • Διαλέγει πάντα το πιο κοντό
    • Ρωτάει τον χρήστη
    • Χρησιμοποιεί ένα μοντέλο βαθμολόγησης CLVP για να τα ταξινομήσει σε σχέση με το κείμενο
  5. Ποιος δημιούργησε το Tortoise TTS;
    • Τζέιμς Μπέτκερ
    • Τζέφρι Χίντον
    • Ian Goodfellow
    • Andrej Karpathy
  6. Ποιος είναι ο κύριος λόγος που η Χελώνα είναι σχετικά αργή;
    • Κάθε φορά κατεβάζει φωνές από το cloud
    • Δίνει προτεραιότητα στην ποιότητα, τη δειγματοληψία και τη βελτίωση πολλών υποψηφίων
    • Λειτουργεί μόνο σε CPU
    • Συμπιέζει τον ήχο επανειλημμένα
  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