Κουίζ που συνδέεται με οδηγό · Σκληρό Επίπεδο

Κουίζ για μοντέλα γλωσσών VALL-E και Codec

Εξετάστε την προσέγγιση του μοντέλου γλώσσας με διακριτικό κωδικοποιητή του VALL-E, τη σταδιακή παραγωγή διακριτικών και τις συνθήκες πίσω από τα αναφερόμενα φωνητικά αποτελέσματα με λίγες λήψεις.

Σχετικές διαδρομές οδηγώνΜοντέλα γλώσσας Vall E και Codec
Ερώτηση 1 του 8

Ποια βασική ιδέα διακρίνει το VALL-E από τα προηγούμενα συστήματα μετατροπής κειμένου σε ομιλία;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποια βασική ιδέα διακρίνει το VALL-E από τα προηγούμενα συστήματα μετατροπής κειμένου σε ομιλία;
    • Προβλέπει τα διακριτικά νευρωνικού κωδικοποιητή ως εργασία μοντελοποίησης γλώσσας αντί να προβλέπει ένα φασματόγραμμα
    • Χρησιμοποιεί μόνο χειροποίητη επεξεργασία σήματος
    • Απαιτεί ώρες ήχου από το ηχείο-στόχο
    • Δημιουργεί κείμενο από την ομιλία
  2. Πόσο ήχο αναφοράς χρειάζεται το VALL-E για να κλωνοποιήσει τη φωνή ενός νέου ομιλητή;
    • Περίπου μια ώρα
    • Περίπου τρία δευτερόλεπτα
    • Δεν υπάρχει καθόλου ήχος αναφοράς
    • Περίπου τριάντα λεπτά
  3. Ποιον νευρωνικό κωδικοποιητή χρησιμοποιεί το VALL-E για να παράγει τα διακριτικά ήχου του;
    • MP3
    • Opus
    • EnCodec
    • WAV
  4. Γιατί το VALL-E χρησιμοποιεί τόσο αυτοπαλινδρομικό όσο και μη αυτοπαλινδρομικό στάδιο;
    • Για να μεταφράσετε την ομιλία σε πολλές γλώσσες
    • Να ξεχωρίζει τη μουσική από τον λόγο
    • Για συμπίεση της εισαγωγής κειμένου
    • Επειδή τα διακριτικά κωδικοποιητή είναι πολυεπίπεδα, έτσι προβλέπει τα χονδροειδή διακριτικά διαδοχικά και τα λεπτά διακριτικά παράλληλα
  5. Περίπου σε πόσα δεδομένα ομιλίας εκπαιδεύτηκε το VALL-E, επιτρέποντας ισχυρή κλωνοποίηση μηδενικής λήψης;
    • Περίπου 60.000 ώρες
    • Περίπου 100 ώρες
    • Περίπου 1.000 ώρες
    • Περίπου 10 ώρες
  6. Εκτός από τη χροιά, τι άλλο μπορεί να διατηρήσει το VALL-E από το σύντομο κλιπ αναφοράς;
    • Τα ακριβή λόγια του ομιλητή για πάντα
    • Το ακουστικό περιβάλλον της ηχογράφησης
    • Το βίντεο που το συνόδευε
    • Η αρχική μορφή αρχείου
  7. What does VALL-E condition on to imitate a target speaker in its demonstration setup?
    • A photograph and a written biography only
    • A long labeled transcript from every target-speaker recording
    • A short audio prompt from that speaker plus the text to speak
    • A speaker ID with no audio example
  8. What text representation does the VALL-E paper use as input to its text-to-code model?
    • A raw waveform of the target utterance
    • A speaker’s face embedding
    • A list of MIDI notes
    • A phoneme sequence