Quiz lié à un guide · Moyen Niveau

Quiz sur la diffusion de styles StyleTTS 2

Testez comment StyleTTS 2 modélise le style de parole, s'entraîne avec des discriminateurs orthophoniques et fonctionne sur les ensembles d'évaluation signalés.

Chemins de guidage associésStylets 2 Style Diffusion
Question 1 de 8

Que modélise StyleTTS 2 à l’aide d’un processus de diffusion ?

Prévisualisez chaque question8 des questions

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

  1. Que modélise StyleTTS 2 à l’aide d’un processus de diffusion ?
    • Un « vecteur de style » latent contrôlant la prosodie et le timbre
    • La forme d'onde audio brute échantillon par échantillon
    • La transcription textuelle du discours
    • La réponse auditive de l'auditeur
  2. Quel modèle de parole pré-entraîné est utilisé comme discriminateur contradictoire dans StyleTTS 2 ?
    • ResNet-50
    • WavLM
    • BERTE
    • AGRAFE
  3. Pourquoi StyleTTS 2 peut-il prononcer la même phrase de plusieurs manières naturelles ?
    • Il corrompt aléatoirement le texte saisi
    • Il utilise un modèle de langage différent à chaque fois
    • Le style est échantillonné à partir d’une distribution plutôt que fixe
    • Cela change l'orthographe du phonème
  4. What did the StyleTTS 2 authors report on the LJSpeech listening evaluation?
    • It outperformed humans on every language and dataset
    • No listeners evaluated the samples
    • It was tested only on music
    • Native English listeners rated its samples above the human recordings in that study
  5. Qu'est-ce que la formation « de bout en bout » apporte à StyleTTS 2 ?
    • Les gradients s'écoulent de la qualité de la forme d'onde à travers l'ensemble du pipeline
    • Il ne nécessite aucune saisie de texte
    • Il entraîne uniquement le vocodeur séparément
    • Cela supprime le besoin de tout réseau neuronal
  6. What can sampling different style vectors do for the same text?
    • Change the transcript into a different language automatically
    • Produce different prosodic realizations of the written content
    • Guarantee every rendition sounds human
    • Remove the need for speech synthesis
  7. What speech input does ordinary StyleTTS 2 synthesis require to sample a style?
    • A three-second reference clip is always required
    • A human listener must speak the sentence first
    • No reference speech is required; it can generate style from the text-conditioned model
    • A transcript of every training speaker
  8. On which dataset did the StyleTTS 2 paper report results for zero-shot speaker adaptation?
    • ImageNet
    • COCO
    • MUSDB18
    • LibriTTS