स्टाइलटीटीएस 2 स्टाइल डिफ्यूजन क्विज

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. प्रसार प्रक्रिया का उपयोग करके स्टाइलटीटीएस 2 मॉडल क्या करता है?
   • एक अव्यक्त 'स्टाइल वेक्टर' जो छंद और लय को नियंत्रित करता है
   • नमूना द्वारा कच्चा ऑडियो तरंग नमूना
   • भाषण का पाठ प्रतिलेख
   • श्रोता की सुनने की प्रतिक्रिया
2. स्टाइलटीटीएस 2 में प्रतिकूल विभेदक के रूप में किस पूर्व-प्रशिक्षित भाषण मॉडल का उपयोग किया जाता है?
   • रेसनेट-50
   • WavLM
   • बर्ट
   • क्लिप
3. स्टाइलटीटीएस 2 एक ही वाक्य को कई प्राकृतिक तरीकों से क्यों कह सकता है?
   • यह बेतरतीब ढंग से इनपुट टेक्स्ट को दूषित कर देता है
   • यह हर बार एक अलग भाषा मॉडल का उपयोग करता है
   • शैली को निश्चित करने के बजाय वितरण से नमूना लिया जाता है
   • यह ध्वन्यात्मक वर्तनी को बदल देता है
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. 'एंड-टू-एंड' प्रशिक्षण स्टाइलटीटीएस 2 क्या देता है?
   • ग्रेडियेंट तरंगरूप गुणवत्ता से पूरी पाइपलाइन के माध्यम से वापस प्रवाहित होते हैं
   • इसके लिए किसी टेक्स्ट इनपुट की बिल्कुल भी आवश्यकता नहीं है
   • यह केवल वोकोडर को अलग से प्रशिक्षित करता है
   • यह किसी भी तंत्रिका नेटवर्क की आवश्यकता को हटा देता है
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?
   • इमेजनेट
   • कोको
   • MUSDB18
   • LibriTTS