Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Glow-TTS monoton igazítási kvíz

Check how Glow-TTS uses monotonic alignment search and a duration predictor to synthesize speech in parallel, without an external aligner.

Kapcsolódó útmutató utakGlow Tts monoton igazítás
kérdés 1 -ból 8

Milyen problémát kíván megoldani a Glow-TTS a figyelemalapú TTS-ben?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen problémát kíván megoldani a Glow-TTS a figyelemalapú TTS-ben?
    • Szavak átugrása vagy ismétlése hosszú mondatokban
    • A hang túl halk
    • Képtelenség GPU-t használni
    • Szövegkódoló hiánya
  2. Mit jelent a MAS a Glow-TTS-ben?
    • Mel Audio szintézis
    • Monotonic Alignment Search
    • Multi-Attention System
    • Moduláris akusztikus mintavevő
  3. Miért kell az igazításnak monotonnak lennie?
    • Hogy hangosabb legyen a hang
    • A fájl méretének csökkentése érdekében
    • Mivel a szöveget az idő múlásával balról jobbra haladva olvassuk fel
    • Több hangszóró támogatásához
  4. Milyen típusú dekódert használ a Glow-TTS a spektrogramok modellezésére?
    • Visszatérő figyelemhálózat
    • Konvolúciós osztályozó
    • Transzformátor nyelvi modell
    • Normalizáló áramlás
  5. Következtetési időben hogyan dönti el a Glow-TTS, hogy meddig tartanak az egyes szöveges tokenek?
    • Az időtartam-előrejelző keretszámot ad ki tokenenként
    • Ismét MAS-t futtat a hangon
    • Véletlenül sejti
    • Mikrofont használ
  6. Mi a gyakorlati előnye annak, hogy a Glow-TTS nem autoregresszív?
    • Nem igényel szövegbevitelt
    • A gyors szintézis érdekében minden képkockát párhuzamosan képes generálni
    • Nem tudja szabályozni a hangmagasságot
    • Csak offline módban működik
  7. What does the surjective-alignment assumption mean in Glow-TTS?
    • Each speech frame maps to multiple languages
    • Some text tokens must be skipped
    • Every text token maps to at least one speech frame
    • The output audio has no frame sequence
  8. How does Glow-TTS find a likely alignment during training?
    • A human marks every phoneme-frame pair by hand
    • It randomly permutes the text tokens
    • A waveform classifier chooses a speaker identity
    • Dynamic programming searches for the most probable valid monotonic path