Quiz lié à un guide · Moyen Niveau

Quiz sur le modèle audio génératif d'écorce

Comprenez la génération de jetons audio par étapes de Bark, son décodeur de forme d'onde EnCodec et comment les signaux textuels peuvent susciter la parole et les sons non verbaux.

Chemins de guidage associésModèle audio génératif d’écorce
Question 1 de 8

Qu’est-ce qui différencie Bark d’un moteur de synthèse vocale traditionnel ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Qu’est-ce qui différencie Bark d’un moteur de synthèse vocale traditionnel ?
    • Il peut générer des sons non verbaux comme le rire et la musique, pas seulement des paroles.
    • Il ne produit que des paroles robotiques claires
    • Il nécessite un échantillon de voix enregistré pour chaque sortie
    • Il convertit l'audio en texte
  2. Qui a sorti le modèle Bark ?
    • OpenAI
    • Suno
    • Google Esprit profond
    • Meta
  3. Comment Bark génère-t-il fondamentalement de l'audio ?
    • En assemblant des phonèmes préenregistrés
    • En appliquant des filtres à un enregistrement de référence
    • En prédisant les jetons audio discrets de manière autorégressive comme un modèle de langage
    • En rendant les notes MIDI
  4. Quel codec neuronal Bark utilise-t-il pour transformer les jetons en forme d'onde ?
    • MP3
    • FLAC
    • WaveNet
    • EnCodec de Meta
  5. Pourquoi la même invite Bark peut-elle produire des résultats différents à chaque fois ?
    • La génération est probabiliste, donc chaque exécution échantillonne une séquence différente
    • Il met en cache les sorties de manière aléatoire
    • Il y a toujours des erreurs lors des invites répétées
    • Cela dépend de l'heure de la journée
  6. Quel est l’inconvénient connu de Bark par rapport aux systèmes TTS dédiés ?
    • Il ne parle aucune langue
    • Il peut halluciner des sons supplémentaires et est moins contrôlable
    • Cela ne fonctionne que hors ligne
    • Il produit un son silencieux
  7. What does Bark’s semantic-to-coarse stage produce?
    • A transcript of the generated waveform
    • A mel-spectrogram with no audio tokens
    • The first two EnCodec audio codebooks
    • An image embedding
  8. How can a Bark prompt request a nonverbal event such as laughter?
    • Add an image mask to the audio tokens
    • Train a new EnCodec model for every cue
    • Convert the cue to a CSV file
    • Include a cue such as [laughs] in the text prompt