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।
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।
- टैकोट्रॉन 2 पाठ से किस मध्यवर्ती प्रतिनिधित्व की भविष्यवाणी करता है?
- एक मेल-स्पेक्ट्रोग्राम
- एक JPEG छवि
- केवल कच्चे पाठ स्वनिम
- एक MIDI फ़ाइल
- 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
- 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
- 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
- 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
- कौन सा बाद वाला मॉडल टैकोट्रॉन 2 का तेज़, गैर-ऑटोरेग्रेसिव उत्तराधिकारी है?
- रेसनेट
- फास्टस्पीच 2
- बर्ट
- एलेक्सनेट
- 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
- 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