Cuestionario vinculado a una guía · Medio Nivel

Prueba de generación de voz de coincidencia de flujo de Voicebox

Pruebe el objetivo de relleno del habla de Voicebox, la generación de coincidencia de flujo, la edición contextual y el alcance de la capacitación multilingüe informada.

Rutas de guía relacionadasGeneración de voz de coincidencia de flujo de Voicebox
Pregunta 1 de 8

¿Para qué tarea de entrenamiento está optimizado Voicebox?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Para qué tarea de entrenamiento está optimizado Voicebox?
    • Predecir audio enmascarado dado el contexto y el texto circundantes
    • Clasificación de las emociones del hablante
    • Traducir texto entre idiomas
    • Detectando deepfakes
  2. ¿Qué técnica generativa utiliza Voicebox en lugar de difusión?
    • Aprendizaje por refuerzo
    • Coincidencia de flujo condicional
    • Árboles de decisión
    • K-medias agrupación
  3. ¿Cómo condiciona Voicebox la generación de voz según un hablante objetivo sin reentrenamiento?
    • It retrains the model for every speaker
    • It selects from a fixed list of speaker IDs only
    • It uses a short reference segment as unmasked audio context
    • It averages all training speakers into one voice
  4. ¿Qué resultado de eficiencia informó el artículo de Voicebox en su comparación de TTS zero-shot?
    • It required 20× more generation time
    • Funcionó sin ninguna red neuronal.
    • It always produced audio in a single millisecond
    • It generated speech up to 20× faster than the compared VALL-E system in the reported setup
  5. ¿Por qué Meta inicialmente retuvo el modelo completo de Voicebox?
    • Preocupaciones por el mal uso de la clonación de voz y los deepfakes
    • Era demasiado lento para correr.
    • Solo funcionó en un idioma.
    • No produjo audio utilizable.
  6. ¿Cómo maneja un modelo la edición, la clonación y la eliminación de ruido en Voicebox?
    • Cambiando a una red diferente para cada tarea
    • Enmarcando cada tarea como una predicción de audio enmascarado a partir del contexto
    • Mediante el uso de ejecuciones de entrenamiento separadas para tareas específicas
    • Al escribir manualmente cada salida
  7. How many languages did the Voicebox paper report for its multilingual training setup?
    • One language only
    • Two languages
    • Six languages
    • More than one hundred languages
  8. How much speech data did the Voicebox paper report using?
    • About 50 hours
    • About 500 hours
    • More than 50 million hours
    • More than 50,000 hours