Útmutatóhoz kapcsolódó kvíz · Kemény Szint

VALL-E és kodek nyelvi modellek kvíz

Review VALL-E’s codec-token language-model approach, its staged token generation, and the conditions behind its reported few-shot voice results.

Kapcsolódó útmutató utakVall E és kodek nyelvi modellek
kérdés 1 -ból 8

Milyen alapötlet különbözteti meg a VALL-E-t a korábbi szövegfelolvasó rendszerektől?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen alapötlet különbözteti meg a VALL-E-t a korábbi szövegfelolvasó rendszerektől?
    • Spektrogram előrejelzése helyett nyelvi modellezési feladatként neurális kodek tokeneket jósol meg
    • Csak kézzel készített jelfeldolgozást használ
    • Óráknyi hangot igényel a célhangszóróból
    • Szöveget generál beszédből
  2. Mennyi referencia hangra van szüksége a VALL-E-nek egy új hangszóró hangjának klónozásához?
    • Körülbelül egy óra
    • Körülbelül három másodperc
    • Egyáltalán nincs referencia hang
    • Körülbelül harminc perc
  3. Melyik neurális kodeket használja a VALL-E az audio tokenek előállításához?
    • MP3
    • Opus
    • EnCodec
    • WAV
  4. Miért használ a VALL-E autoregresszív és nem autoregresszív szakaszt is?
    • A beszéd több nyelvre történő lefordítása
    • Elválasztani a zenét a beszédtől
    • A szövegbevitel tömörítéséhez
    • Mivel a kodek tokenek rétegzettek, így a durva tokeneket szekvenciálisan, a finom tokeneket pedig párhuzamosan jósolja meg
  5. Körülbelül mennyi beszédadatra tanították a VALL-E-t, ami lehetővé tette az erős nullapontos klónozást?
    • Körülbelül 60.000 óra
    • Körülbelül 100 óra
    • Körülbelül 1000 óra
    • Körülbelül 10 óra
  6. A hangszínen kívül mit tud még megőrizni a VALL-E a rövid referencia klipből?
    • A beszélő pontos szavai örökre
    • A felvétel akusztikus környezete
    • A hozzá tartozó videó
    • Az eredeti fájlformátum
  7. What does VALL-E condition on to imitate a target speaker in its demonstration setup?
    • A photograph and a written biography only
    • A long labeled transcript from every target-speaker recording
    • A short audio prompt from that speaker plus the text to speak
    • A speaker ID with no audio example
  8. What text representation does the VALL-E paper use as input to its text-to-code model?
    • A raw waveform of the target utterance
    • A speaker’s face embedding
    • A list of MIDI notes
    • A phoneme sequence