Cuestionario vinculado a una guía · Medio Nivel

Cuestionario de difusión de estilos StyleTTS 2

Pruebe cómo StyleTTS 2 modela el estilo del habla, se entrena con discriminadores del habla y el lenguaje y se desempeña en conjuntos de evaluación informados.

Rutas de guía relacionadasDifusión de estilos Styletts 2
Pregunta 1 de 8

¿Qué modela StyleTTS 2 mediante un proceso de difusión?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué modela StyleTTS 2 mediante un proceso de difusión?
    • Un 'vector de estilo' latente que controla la prosodia y el timbre
    • La forma de onda de audio sin procesar muestra por muestra
    • La transcripción del texto del discurso.
    • La respuesta auditiva del oyente.
  2. ¿Qué modelo de habla previamente entrenado se utiliza como discriminador adversario en StyleTTS 2?
    • ResNet-50
    • WavLM
    • BERT
    • RECORTAR
  3. ¿Por qué StyleTTS 2 puede decir la misma frase de muchas maneras naturales?
    • Corrompe aleatoriamente el texto de entrada.
    • Utiliza un modelo de lenguaje diferente cada vez.
    • El estilo se muestra a partir de una distribución en lugar de ser fijo.
    • Cambia la ortografía del fonema.
  4. What did the StyleTTS 2 authors report on the LJSpeech listening evaluation?
    • It outperformed humans on every language and dataset
    • No listeners evaluated the samples
    • It was tested only on music
    • Native English listeners rated its samples above the human recordings in that study
  5. ¿Qué aporta la formación 'de un extremo a otro' a StyleTTS 2?
    • Los gradientes fluyen desde la calidad de la forma de onda a través de toda la tubería.
    • No necesita ninguna entrada de texto
    • Sólo entrena el vocoder por separado.
    • Elimina la necesidad de cualquier red neuronal.
  6. What can sampling different style vectors do for the same text?
    • Change the transcript into a different language automatically
    • Produce different prosodic realizations of the written content
    • Guarantee every rendition sounds human
    • Remove the need for speech synthesis
  7. What speech input does ordinary StyleTTS 2 synthesis require to sample a style?
    • A three-second reference clip is always required
    • A human listener must speak the sentence first
    • No reference speech is required; it can generate style from the text-conditioned model
    • A transcript of every training speaker
  8. On which dataset did the StyleTTS 2 paper report results for zero-shot speaker adaptation?
    • ImagenNet
    • coco
    • MUSDB18
    • LibriTTS