Quiz de synthèse vocale de bout en bout VITS

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

1. Que signifie l'acronyme VITS ?
   • Inférence variationnelle avec apprentissage contradictoire pour la synthèse vocale de bout en bout
   • Système de transformateur d'inférence vocale
   • Synthétiseur Time-Series intégré au Vocoder
   • Synthèse de texte d'entrée visuelle
2. Quelle est la principale différence architecturale entre les pipelines VITS et TTS traditionnels ?
   • VITS utilise deux étapes formées séparément
   • VITS entraîne conjointement le modèle acoustique et le vocodeur, en passant directement du texte à la forme d'onde.
   • VITS nécessite des durées de phonèmes étiquetées à la main
   • VITS ne produit que des spectrogrammes mel
3. Comment VITS apprend-il l'alignement entre le texte et les images audio ?
   • Un aligneur forcé externe pré-entraîné
   • Annotation manuelle par des linguistes
   • Recherche d'alignement monotone (MAS) pendant l'entraînement
   • Assignation aléatoire affinée par l'apprentissage par renforcement
4. Pourquoi VITS inclut-il un prédicteur de durée stochastique ?
   • Rendre chaque énoncé identique pour plus de cohérence
   • Pour compresser la taille du fichier audio
   • Pour traduire du texte dans d'autres langues
   • Produire des rythmes de parole variés et naturels pour un même texte
5. Quel composant pousse la sortie VITS vers un son réaliste ?
   • Un discriminateur de style GAN utilisant une formation contradictoire
   • Un modèle de récompense d’apprentissage par renforcement
   • Un filtre de traitement du signal basé sur des règles
   • Un module correcteur orthographique
6. Which cited system explicitly builds on VITS for zero-shot multispeaker and multilingual synthesis?
   • Discours rapide 2
   • YourTTS
   • WaveNet
   • A deterministic vocoder with no speaker conditioning
7. What does the normalizing-flow component contribute to VITS?
   • It replaces text-audio alignment with a speaker identity check
   • It guarantees identical duration for every spoken phrase
   • It increases the expressiveness of the latent prior distribution
   • It removes the waveform decoder from the model
8. Why does VITS use both variational inference and adversarial learning?
   • They make the model independent of text input
   • They guarantee every generated voice is a real speaker
   • They remove all duration variation
   • They support latent-variable modeling and realistic waveform generation