Quiz lié à un guide · Moyen Niveau

Quiz d'alignement monotone Glow-TTS

Vérifiez comment Glow-TTS utilise la recherche d'alignement monotone et un prédicteur de durée pour synthétiser la parole en parallèle, sans aligneur externe.

Chemins de guidage associésAlignement monotone Glow Tts
Question 1 de 8

Quel problème avec le TTS basé sur l'attention Glow-TTS vise-t-il à résoudre ?

Prévisualisez chaque question8 des questions

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

  1. Quel problème avec le TTS basé sur l'attention Glow-TTS vise-t-il à résoudre ?
    • Sauter ou répéter des mots sur de longues phrases
    • Audio trop faible
    • Impossibilité d'utiliser un GPU
    • Absence d'encodeur de texte
  2. Que signifie MAS dans Glow-TTS ?
    • Synthèse audio Mel
    • Recherche d'alignement monotone
    • Système multi-attention
    • Échantillonneur acoustique modulaire
  3. Pourquoi l’alignement doit-il être monotone ?
    • Pour rendre le son plus fort
    • Pour réduire la taille du fichier
    • Parce que le texte est lu de gauche à droite au fil du temps
    • Pour prendre en charge plusieurs haut-parleurs
  4. Quel type de décodeur Glow-TTS utilise-t-il pour modéliser les spectrogrammes ?
    • Un réseau d’attention récurrent
    • Un classificateur convolutif
    • Un modèle de langage de transformateur
    • Un flux normalisateur
  5. Au moment de l'inférence, comment Glow-TTS décide-t-il combien de temps dure chaque jeton de texte ?
    • Un prédicteur de durée génère le nombre de trames par jeton
    • Il exécute à nouveau MAS sur l'audio
    • Il devine au hasard
    • Il utilise un microphone
  6. Quel est l'avantage pratique du fait que Glow-TTS soit non autorégressif ?
    • Il ne nécessite aucune saisie de texte
    • Il peut générer toutes les images en parallèle pour une synthèse rapide
    • Il ne peut pas contrôler le pitch
    • Cela ne fonctionne que hors ligne
  7. What does the surjective-alignment assumption mean in Glow-TTS?
    • Each speech frame maps to multiple languages
    • Some text tokens must be skipped
    • Every text token maps to at least one speech frame
    • The output audio has no frame sequence
  8. How does Glow-TTS find a likely alignment during training?
    • A human marks every phoneme-frame pair by hand
    • It randomly permutes the text tokens
    • A waveform classifier chooses a speaker identity
    • Dynamic programming searches for the most probable valid monotonic path