Quiz FastSpeech et TTS non autorégressif

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

1. Que signifie « non autorégressif » dans le contexte de FastSpeech ?
   • Il génère toutes les images de spectrogramme en parallèle plutôt que séquentiellement
   • Il génère des images audio une par une en séquence
   • Il ne peut pas gérer de longues phrases
   • Il ne nécessite aucune donnée de formation
2. À quel problème des modèles autorégressifs comme Tacotron 2 FastSpeech répond-il spécifiquement ?
   • Incapacité de produire du son
   • Génération lente et mots sautés ou répétés à cause d'erreurs d'attention
   • Manque de prise en charge du texte anglais
   • Nécessitant du matériel quantique
3. Quel est le rôle du « régulateur de longueur » dans FastSpeech ?
   • Il compresse le fichier audio final
   • Il supprime le silence des enregistrements
   • Il répète la représentation de chaque phonème en fonction de sa durée prévue pour correspondre à la longueur audio
   • Il traduit les phonèmes en texte
4. Which additional speech variations does FastSpeech 2 condition on during training and inference?
   • Only speaker age and recording location
   • Video frames and subtitle color
   • A single fixed global loudness value
   • Pitch, energy, and duration information
5. Pourquoi le temps d'inférence de FastSpeech augmente-t-il à peine avec la longueur de la phrase ?
   • Toutes les images sont générées en parallèle plutôt que séquentiellement
   • Il ignore la plupart du texte saisi
   • Il ne produit que des clips d'une seconde
   • Il utilise une table de recherche de phrases préenregistrées
6. How does the length regulator use predicted durations in FastSpeech?
   • It selects the final audio codec
   • It expands phoneme-level representations to align with the target spectrogram length
   • It estimates the speaker’s identity from video
   • It converts text into a sequence of labels for translation
7. What is one tradeoff of non-autoregressive spectrogram generation?
   • It guarantees identical prosody to an autoregressive model
   • It removes the need for a waveform vocoder
   • Parallel output can be faster, but duration and speech variation must be modeled explicitly
   • It cannot accept text as input
8. What training target does FastSpeech 2 use instead of FastSpeech’s teacher-generated simplified outputs?
   • Only predicted durations with no acoustic target
   • A translated text transcript
   • The output of a GAN discriminator only
   • Ground-truth target speech representations