Quiz lié à un guide · Moyen Niveau

Quiz TTS à pitch contrôlable FastPitch

Découvrez comment FastPitch prédit les contours de fréquence fondamentale, modifie la hauteur lors de l'inférence et synthétise les images Mel en parallèle.

Chemins de guidage associésFastpitch Pitch contrôlable Tts
Question 1 de 8

Quel signal supplémentaire FastPitch prédit-il explicitement pour chaque jeton d'entrée ?

Prévisualisez chaque question8 des questions

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

  1. Quel signal supplémentaire FastPitch prédit-il explicitement pour chaque jeton d'entrée ?
    • Le pitch (fréquence fondamentale)
    • Le sexe de l'orateur
    • Le niveau de bruit de fond
    • L'identifiant de la langue
  2. Comment FastPitch génère-t-il le spectrogramme mel si rapidement ?
    • En diffusant l'audio un échantillon à la fois
    • De manière non autorégressive, en une seule passe avant parallèle
    • En copiant depuis une base de données enregistrée
    • En fonctionnant sur un seul cœur de processeur uniquement
  3. How can a user change the intonation contour in FastPitch output without retraining?
    • En supprimant les phonèmes
    • En changeant uniquement la graine aléatoire
    • En mettant à l'échelle ou en modifiant les valeurs de pas prédites
    • En abaissant le taux d'échantillonnage
  4. Pendant l'entraînement, comment l'objectif de pitch est-il attribué par jeton ?
    • Une valeur aléatoire
    • L'amplitude maximale de l'audio
    • La valeur de la première image uniquement
    • La fréquence fondamentale moyenne sur la durée du token
  5. What synthesis throughput did the FastPitch paper report for a typical utterance?
    • Over 900× real time for mel-spectrogram synthesis in the reported setup
    • About one second of audio per hour
    • Exactly 2× real time for waveform output
    • No measurement of synthesis speed
  6. Pourquoi le contrôle du pitch par jeton est-il décrit comme intuitif mais grossier ?
    • Il prédit la hauteur par échantillon audio
    • Il prédit une valeur de hauteur par symbole, et non par image
    • Il ignore complètement la hauteur
    • Cela ne fonctionne que pour un seul haut-parleur
  7. Which earlier parallel TTS architecture is FastPitch based on?
    • Tacotron2
    • WavLM
    • FastSpeech
    • HiFi-GAN
  8. Besides pitch, what token-level signal helps FastPitch align text with output frames?
    • Speaker gender
    • Background noise level
    • Language identity only
    • Predicted token duration