Kuis TTS FastSpeech dan Non-Autoregresif

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa yang dimaksud dengan 'non-autoregresif' dalam konteks FastSpeech?
   • Ini menghasilkan semua bingkai spektogram secara paralel, bukan secara berurutan
   • Ini menghasilkan bingkai audio satu per satu secara berurutan
   • Itu tidak bisa menangani kalimat yang panjang
   • Itu tidak memerlukan data pelatihan
2. Masalah model autoregresif seperti Tacotron 2 manakah yang secara khusus ditangani oleh FastSpeech?
   • Ketidakmampuan untuk menghasilkan audio apa pun
   • Generasi lambat dan kata-kata yang dilewati atau diulang karena kesalahan perhatian
   • Kurangnya dukungan untuk teks bahasa Inggris
   • Membutuhkan perangkat keras kuantum
3. Apa peran 'pengatur panjang' di FastSpeech?
   • Ini memampatkan file audio akhir
   • Ini menghilangkan keheningan dari rekaman
   • Ini mengulangi representasi setiap fonem sesuai dengan durasi yang diprediksi untuk mencocokkan panjang audio
   • Ini menerjemahkan fonem ke dalam teks
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. Mengapa waktu inferensi FastSpeech hampir tidak bertambah seiring dengan panjang kalimat?
   • Semua frame dihasilkan secara paralel, bukan secara berurutan
   • Ini mengabaikan sebagian besar teks masukan
   • Itu hanya menghasilkan klip satu detik
   • Ini menggunakan tabel pencarian kalimat yang telah direkam sebelumnya
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