Cuestionario vinculado a una guía · Medio Nivel

Prueba de síntesis autorregresiva TTS de tortuga

Vea cómo Tortoise combina tokens de voz autorregresivos, un decodificador de difusión y selección de candidatos para una síntesis de alta calidad.

Rutas de guía relacionadasSíntesis autorregresiva de Tts de tortuga
Pregunta 1 de 8

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

Vista previa de cada pregunta8 preguntas

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

  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. ¿Qué puede hacer Tortoise con sólo unos pocos clips de referencia breves?
    • Transcribir audio a texto
    • Clona la voz de destino y lee texto arbitrario
    • Traducir solo idiomas
    • Eliminar el ruido de fondo
  3. ¿Qué dos familias de modelos influyeron más en el diseño de Tortoise?
    • Árboles de decisión y SVM
    • Tablas de fonemas basadas en reglas y HMM
    • Transformadores autorregresivos y difusión.
    • Solo filtros convolucionales
  4. ¿Cómo elige Tortoise entre múltiples candidatos generados?
    • Elige el primero
    • Siempre elige el más corto.
    • Le pregunta al usuario
    • Utiliza un modelo de puntuación CLVP para clasificarlos según el texto.
  5. ¿Quién creó Tortoise TTS?
    • James Betker
    • Geoffrey Hinton
    • Ian Goodfellow
    • Andrej Karpathy
  6. ¿Cuál es la razón principal por la que la tortuga es relativamente lenta?
    • Descarga voces de la nube cada vez.
    • Prioriza la calidad, el muestreo y el refinamiento de muchos candidatos.
    • Se ejecuta sólo en CPU
    • Comprime audio repetidamente
  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