गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

टैकोट्रॉन 2 प्रश्नोत्तरी

टैकोट्रॉन 2 की टेक्स्ट-टू-मेल पाइपलाइन, ध्यान सुरक्षा उपायों और सीखी गई स्टॉप भविष्यवाणी की समीक्षा करें जो उच्चारण की लंबाई निर्धारित करती है।

संबंधित मार्गदर्शक पथटैकोट्रॉन 2
प्रश्न 1 का 8

टैकोट्रॉन 2 पाठ से किस मध्यवर्ती प्रतिनिधित्व की भविष्यवाणी करता है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

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

  1. टैकोट्रॉन 2 पाठ से किस मध्यवर्ती प्रतिनिधित्व की भविष्यवाणी करता है?
    • एक मेल-स्पेक्ट्रोग्राम
    • एक JPEG छवि
    • केवल कच्चे पाठ स्वनिम
    • एक MIDI फ़ाइल
  2. टैकोट्रॉन 2 के स्पेक्ट्रोग्राम को वास्तविक तरंगरूप में क्या परिवर्तित करता है?
    • एक वर्तनी जांचकर्ता
    • एक संशोधित वेवनेट वोकोडर
    • एक खोज इंजन
    • एक दृढ़ छवि वर्गीकरणकर्ता
  3. स्थान-संवेदनशील ध्यान किस समस्या को रोकने में मदद करता है?
    • जीपीयू का अत्यधिक गर्म होना
    • इंटरनेट कनेक्शन का नुकसान
    • संश्लेषण के दौरान दोहराए गए या छोड़े गए शब्द
    • इनपुट टेक्स्ट में वर्तनी की गलतियाँ
  4. How does Tacotron 2 determine that it has generated the end of an utterance?
    • A human must press a button for every utterance
    • It always generates a fixed number of frames
    • The vocoder detects silence and interrupts the decoder
    • A learned stop-token prediction signals the decoder to stop
  5. टेक्स्ट-टू-स्पेक्ट्रोग्राम भाग किस समग्र वास्तुकला शैली का उपयोग करता है?
    • ध्यान के साथ क्रम-दर-क्रम
    • एक साधारण लुकअप तालिका
    • एक निर्णय वृक्ष
    • एक स्थिर नियम सेट
  6. कौन सा बाद वाला मॉडल टैकोट्रॉन 2 का तेज़, गैर-ऑटोरेग्रेसिव उत्तराधिकारी है?
    • रेसनेट
    • फास्टस्पीच 2
    • बर्ट
    • एलेक्सनेट
  7. What does the post-net in Tacotron 2 refine?
    • The input text spelling
    • The speaker’s identity metadata
    • The predicted mel-spectrogram
    • The final transcript punctuation
  8. What does FastSpeech 2 add as conditioning information for speech variation?
    • A video soundtrack transcript only
    • A random microphone serial number
    • A mandatory image embedding
    • Pitch, energy, and more accurate duration information