Útmutatóhoz kapcsolódó kvíz · Közepes Szint

FastSpeech és nem autoregresszív TTS kvíz

Checks parallel spectrogram generation, duration expansion, FastSpeech 2 pitch and energy conditioning, and inference tradeoffs.

Kapcsolódó útmutató utakGyorsbeszéd és Nem Autoregresszív Tts
kérdés 1 -ból 8

Mit jelent a „nem autoregresszív” a FastSpeech kontextusában?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mit jelent a „nem autoregresszív” a FastSpeech kontextusában?
    • Az összes spektrogram keretet párhuzamosan generálja, nem pedig egymás után
    • Egyenként, egymás után generál hangkockákat
    • Nem bírja a hosszú mondatokat
    • Nem igényel edzési adatokat
  2. Az autoregresszív modellek, például a Tacotron 2 melyik problémáját oldja meg konkrétan a FastSpeech?
    • Képtelenség bármilyen hangot előállítani
    • Lassú generálás és figyelmi hibákból kihagyott vagy ismételt szavak
    • Az angol szöveg támogatásának hiánya
    • Kvantum hardvert igényel
  3. Mi a „hosszszabályzó” szerepe a FastSpeechben?
    • Tömöríti a végső hangfájlt
    • Eltávolítja a csendet a felvételekről
    • Megismétli minden fonéma reprezentációját a várható időtartamnak megfelelően, hogy megfeleljen a hang hosszának
    • A fonémákat szöveggé fordítja
  4. Which additional speech variations does FastSpeech 2 condition on during training and inference?
    • Only speaker age and recording location
    • Video frames and subtitle color
    • A single fixed global loudness value
    • Pitch, energy, and duration information
  5. Miért alig nő a FastSpeech következtetési ideje a mondat hosszával?
    • Minden képkocka párhuzamosan jön létre, nem pedig egymás után
    • Figyelmen kívül hagyja a beviteli szöveg nagy részét
    • Mindig csak egy másodperces klipeket ad ki
    • Előre felvett mondatokból álló keresőtáblázatot használ
  6. How does the length regulator use predicted durations in FastSpeech?
    • It selects the final audio codec
    • It expands phoneme-level representations to align with the target spectrogram length
    • It estimates the speaker’s identity from video
    • It converts text into a sequence of labels for translation
  7. What is one tradeoff of non-autoregressive spectrogram generation?
    • It guarantees identical prosody to an autoregressive model
    • It removes the need for a waveform vocoder
    • Parallel output can be faster, but duration and speech variation must be modeled explicitly
    • It cannot accept text as input
  8. What training target does FastSpeech 2 use instead of FastSpeech’s teacher-generated simplified outputs?
    • Only predicted durations with no acoustic target
    • A translated text transcript
    • The output of a GAN discriminator only
    • Ground-truth target speech representations