Kuis terkait panduan · Sedang Tingkat

Kuis Difusi Gaya StyleTTS 2

Uji bagaimana StyleTTS 2 memodelkan gaya bicara, berlatih dengan diskriminator bahasa-ucapan, dan melakukan pada set evaluasi yang dilaporkan.

Jalur panduan terkaitDifusi Gaya Styletts 2
Pertanyaan 1 dari 8

Apa model StyleTTS 2 yang menggunakan proses difusi?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa model StyleTTS 2 yang menggunakan proses difusi?
    • 'Vektor gaya' laten yang mengendalikan prosodi dan timbre
    • Sampel bentuk gelombang audio mentah demi sampel
    • Transkrip teks pidato
    • Respon pendengaran pendengar
  2. Model ucapan terlatih manakah yang digunakan sebagai diskriminator permusuhan di StyleTTS 2?
    • ResNet-50
    • gelombang
    • BERT
    • KLIP
  3. Mengapa StyleTTS 2 dapat mengucapkan kalimat yang sama dengan berbagai cara yang alami?
    • Ini secara acak merusak teks masukan
    • Ia menggunakan model bahasa yang berbeda setiap kali
    • Gaya diambil sampelnya dari suatu distribusi, bukan tetap
    • Ini mengubah ejaan fonem
  4. What did the StyleTTS 2 authors report on the LJSpeech listening evaluation?
    • It outperformed humans on every language and dataset
    • No listeners evaluated the samples
    • It was tested only on music
    • Native English listeners rated its samples above the human recordings in that study
  5. Apa yang diberikan pelatihan 'end-to-end' pada StyleTTS 2?
    • Gradien mengalir dari kualitas bentuk gelombang kembali melalui seluruh pipa
    • Tidak memerlukan input teks sama sekali
    • Itu hanya melatih vocoder secara terpisah
    • Ini menghilangkan kebutuhan akan jaringan saraf apa pun
  6. What can sampling different style vectors do for the same text?
    • Change the transcript into a different language automatically
    • Produce different prosodic realizations of the written content
    • Guarantee every rendition sounds human
    • Remove the need for speech synthesis
  7. What speech input does ordinary StyleTTS 2 synthesis require to sample a style?
    • A three-second reference clip is always required
    • A human listener must speak the sentence first
    • No reference speech is required; it can generate style from the text-conditioned model
    • A transcript of every training speaker
  8. On which dataset did the StyleTTS 2 paper report results for zero-shot speaker adaptation?
    • GambarNet
    • kelapa
    • MUSDB18
    • LibriTTS