Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Voicebox Flow-Matching Speech Generation Kvíz

Tesztelje a Voicebox beszédkitöltő célkitűzését, az áramlásillesztés generálását, a kontextus szerinti szerkesztést és a jelentett többnyelvű képzési hatókört.

kérdés 1 -ból 8

Milyen edzési feladatra van optimalizálva a Voicebox?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen edzési feladatra van optimalizálva a Voicebox?
    • Maszkolt hang előrejelzése a környező kontextus és szöveg alapján
    • A beszélő érzelmeinek osztályozása
    • Szöveg fordítása nyelvek között
    • Mélyhamisítások észlelése
  2. Melyik generatív technikát alkalmazza a Voicebox a diffúzió helyett?
    • Megerősítő tanulás
    • Feltételes áramlási illesztés
    • Döntési fák
    • A K-csoportosulást jelent
  3. Hogyan kondicionálja a Voicebox a beszédgenerálást egy célhangszórón átképzés nélkül?
    • Áttanítja a modellt minden hangszóróhoz
    • Csak a hangszóróazonosítók rögzített listájából választhat
    • Egy rövid hivatkozási szegmenst használ maszkolás nélküli hangkontextusként
    • Átlagolja az összes képzési hangszórót egy hangon
  4. Milyen hatékonysági eredményről számolt be a Voicebox papír a nullapontos TTS összehasonlításához?
    • 20-szor több generálási időt igényelt
    • Neurális hálózat nélkül futott
    • Mindig egyetlen ezredmásodperc alatt produkált hangot
    • Akár 20-szor gyorsabban generált beszédet, mint az összehasonlított VALL-E rendszer a jelentett beállításban
  5. Miért Meta kezdetben visszatartotta a teljes Voicebox modellt?
    • Aggodalmak a hangklónozással kapcsolatos visszaélésekkel és a mélyhamisításokkal kapcsolatban
    • Túl lassú volt a futás
    • Csak egy nyelven működött
    • Nem produkált használható hangot
  6. Hogyan kezeli egy modell a Voicebox szerkesztését, klónozását és zajtalanítását?
    • Minden feladathoz más hálózatra váltva
    • Azáltal, hogy minden feladatot úgy állít be, hogy a kontextusból előrejelezze a maszkolt hangot
    • Külön feladatspecifikus edzési futások használatával
    • Az egyes kimenetek kézi szkriptelésével
  7. Hány nyelven számolt be a Voicebox papír a többnyelvű képzési rendszeréről?
    • Csak egy nyelv
    • Két nyelv
    • Hat nyelv
    • Több mint száz nyelv
  8. Mennyi beszédadatot használt fel a Voicebox papír?
    • Körülbelül 50 óra
    • Körülbelül 500 óra
    • Több mint 50 millió óra
    • Több mint 50.000 óra