Quiz TTS sur la parole naturelle et la diffusion latente

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

1. Que rapportait l’article original de NaturalSpeech pour son évaluation LJSpeech ?
   • Qualité au niveau humain selon le protocole d'évaluation indiqué dans le document
   • Qualité au niveau humain sur chaque langue et chaque locuteur
   • Égalité parfaite pour chaque enregistrement humain
   • Une garantie universelle de naturalité
2. Que génère réellement le modèle de diffusion latente de NaturalSpeech 2 ?
   • Formes d'onde audio brutes directement
   • Vecteurs latents continus à partir d'un codec audio neuronal
   • Transcriptions phonétiques imprimées
   • Images de spectrogramme d'images pour l'observation humaine
3. Comment un modèle de diffusion génère-t-il des données à un niveau élevé ?
   • Il mémorise et rejoue les clips d'entraînement
   • Il trie les échantillons par ordre alphabétique
   • Il apprend à inverser un processus de bruit étape par étape, en passant du bruit aléatoire aux données.
   • Il prédit uniquement le prochain mot du texte
4. Quelle capacité clé la diffusion latente confère-t-elle à NaturalSpeech 2 ?
   • Traduire la parole en images
   • Supprimer le besoin de toute saisie de texte
   • Générer une seule voix fixe
   • Clonage vocal sans tir à partir d'une courte invite de référence
5. Quelle est l'idée centrale de la « diffusion factorisée » de NaturalSpeech 3 ?
   • Séparer la parole en attributs démêlés comme le contenu, la prosodie et le timbre, modélisés indépendamment
   • Générer de la parole deux fois plus vite en sautant du texte
   • Compresser l'audio en un seul entier
   • Utiliser uniquement le traitement du signal basé sur des règles
6. Pourquoi la diffusion TTS haute fidélité renforce-t-elle le besoin de mesures de protection telles que le filigrane ?
   • Parce que cela rend les fichiers audio trop volumineux pour être stockés
   • Parce que le clonage vocal réaliste sans tir soulève des risques évidents d'utilisation abusive et d'usurpation d'identité.
   • Parce que cela ne fonctionne que dans une seule langue
   • Parce que les modèles de diffusion ne peuvent pas du tout être formés
7. Une fois que la diffusion NaturalSpeech 2 a généré des codecs latents, qu'est-ce qui les convertit en parole ?
   • Un tokenizer de texte les transforme en phonèmes
   • Un modèle de diarisation du locuteur les transforme en sous-titres
   • Un décodeur audio-codec neuronal transforme les latents générés en forme d'onde audio
   • Un classificateur de spectrogramme sélectionne un genre
8. Que peut faciliter la représentation factorisée de la parole de NaturalSpeech 3 ?
   • Remplacer le besoin de tout décodeur audio
   • Garantir que chaque voix clonée a le consentement
   • Conversion de la parole en texte sans modèle acoustique
   • Ajuster les attributs tels que la prosodie et le timbre de manière plus indépendante