Útmutatóhoz kapcsolódó kvíz · Kemény Szint

Természetes beszéd és látens diffúziós TTS kvíz

Tartalmazza a kodek látens diffúzióját, a zero-shot beszédfelhívást, a faktorizált beszédattribútumokat és a jelentett benchmark eredmények hatókörét.

kérdés 1 -ból 8

Mit jelentett az eredeti NaturalSpeech papír az LJSpeech értékeléséhez?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mit jelentett az eredeti NaturalSpeech papír az LJSpeech értékeléséhez?
    • Emberi szintű minőség a dolgozatban közölt értékelési protokoll szerint
    • Emberi szintű minőség minden nyelven és beszélőn
    • Tökéletes egyenlőség minden emberi felvétellel
    • A természetesség egyetemes garanciája
  2. Mit generál valójában a NaturalSpeech 2 látens diffúziós modellje?
    • Nyers hanghullámformák közvetlenül
    • Folyamatos látens vektorok neurális audiokodekből
    • Nyomtatott fonetikus átiratok
    • Képspektrogram képek emberi megtekintéshez
  3. Hogyan generál magas szintű adatokat egy diffúziós modell?
    • Megjegyzi és lejátssza az edzési klipeket
    • A mintákat ábécé sorrendbe rendezi
    • Megtanul egy lépésről lépésre visszafordítani egy zajos folyamatot, a zajtalanítást véletlenszerű zajból adatokká
    • Csak a szöveg következő szavát jósolja meg
  4. Milyen kulcsfontosságú képességet biztosít a látens diffúzió a NaturalSpeech 2 számára?
    • Beszéd fordítása képekre
    • Nincs szükség szövegbevitelre
    • Csak egyetlen rögzített hang generálása
    • Zero-shot hangklónozás egy rövid referencia promptból
  5. Mi a NaturalSpeech 3 „faktorizált diffúziójának” központi ötlete?
    • A beszéd szétválasztása egymástól független attribútumokra, például tartalomra, prozódiára és hangszínre, egymástól függetlenül modellezve
    • Kétszer gyorsabb beszéd generálása szöveg átugrásával
    • Hang tömörítése egyetlen egész számra
    • Csak szabály alapú jelfeldolgozást használ
  6. Miért növeli a nagy pontosságú diffúziós TTS az olyan biztosítékok szükségességét, mint a vízjel?
    • Mert az audiofájlok túl nagyok lesznek a tároláshoz
    • Mert a valósághű zero-shot hangklónozás egyértelműen felveti a visszaélés és a megszemélyesítés kockázatát
    • Mert csak egy nyelven működik
    • Mivel a diffúziós modelleket egyáltalán nem lehet betanítani
  7. Miután a NaturalSpeech 2 diffúzió kodek látenseket generál, mi alakítja át ezeket beszéddé?
    • A szöveg tokenizátor fonémákká alakítja őket
    • A beszélőnaplózási modell feliratokká alakítja őket
    • Egy neurális audiokodek dekóder a generált látenseket hullámforma hanggá alakítja
    • A spektrogram osztályozó kiválasztja a műfajt
  8. Mit könnyíthet meg a NaturalSpeech 3 faktorizált beszédábrázolása?
    • Bármilyen audio dekóder szükségességét helyettesíti
    • Minden klónozott hang beleegyezése garantált
    • Beszéd átalakítása szöveggé akusztikus modell nélkül
    • Az attribútumok, például a prozódia és a hangszín önállóbb beállítása