Cuestionario vinculado a una guía · duro Nivel

Cuestionario sobre modelos de lenguaje VALL-E y códecs

Revise el enfoque del modelo de lenguaje de token de códec de VALL-E, su generación de token por etapas y las condiciones detrás de los resultados de voz de pocas tomas informados.

Rutas de guía relacionadasModelos de lenguaje Vall E y Codec
Pregunta 1 de 8

¿Qué idea central distingue a VALL-E de los sistemas anteriores de conversión de texto a voz?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué idea central distingue a VALL-E de los sistemas anteriores de conversión de texto a voz?
    • Predice tokens de códec neuronal como una tarea de modelado de lenguaje en lugar de predecir un espectrograma.
    • Utiliza únicamente procesamiento de señal artesanal.
    • Requiere horas de audio del altavoz objetivo.
    • Genera texto a partir del habla.
  2. ¿Cuánto audio de referencia necesita VALL-E para clonar la voz de un nuevo hablante?
    • aproximadamente una hora
    • unos tres segundos
    • No hay audio de referencia en absoluto.
    • unos treinta minutos
  3. ¿Qué códec neuronal utiliza VALL-E para producir sus tokens de audio?
    • MP3
    • obra
    • EnCodec
    • WAV
  4. ¿Por qué VALL-E utiliza una etapa autorregresiva y una no autorregresiva?
    • Para traducir el discurso a varios idiomas.
    • Para separar la música del habla
    • Para comprimir la entrada de texto
    • Debido a que los tokens de códec están en capas, predice los tokens gruesos secuencialmente y los tokens finos en paralelo.
  5. ¿Aproximadamente con cuántos datos de voz se entrenó VALL-E, lo que permitió una clonación fuerte y sin disparos?
    • Alrededor de 60.000 horas
    • alrededor de 100 horas
    • Aproximadamente 1.000 horas
    • alrededor de 10 horas
  6. Además del timbre, ¿qué más puede preservar VALL-E del breve clip de referencia?
    • Las palabras exactas del orador para siempre.
    • El entorno acústico de la grabación.
    • El vídeo que lo acompaña
    • El formato de archivo original
  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