Quiz collegato alla guida · Medio Livello
Quiz sul modello audio generativo di Bark
Comprendere la generazione graduale di token audio di Bark, il suo decodificatore di forme d'onda EnCodec e il modo in cui i segnali di testo possono suscitare suoni vocali e non verbali.
Domanda 1 di 8
Cosa rende Bark diverso da un tradizionale motore di sintesi vocale?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa rende Bark diverso da un tradizionale motore di sintesi vocale?
- Può generare suoni non verbali come risate e musica, non solo parole
- Emette solo un parlato robotico pulito
- Richiede un campione vocale registrato per ogni uscita
- Converte l'audio in testo
- Chi ha rilasciato il modello Bark?
- OpenAI
- Suno
- Google DeepMind
- Meta
- In che modo Bark genera fondamentalmente l'audio?
- Cucendo insieme fonemi preregistrati
- Applicando filtri a una registrazione di riferimento
- Predicendo token audio discreti in modo autoregressivo come un modello linguistico
- Eseguendo il rendering delle note MIDI
- Quale codec neurale utilizza Bark per trasformare i token in una forma d'onda?
- MP3
- FLAC
- WaveNet
- EnCodec di Meta
- Perché lo stesso prompt di Bark potrebbe produrre risultati diversi ogni volta?
- La generazione è probabilistica, quindi ogni analisi campiona una sequenza diversa
- Memorizza nella cache gli output in modo casuale
- Si verifica sempre un errore nelle richieste ripetute
- Dipende dall'ora del giorno
- Qual è uno svantaggio noto di Bark rispetto ai sistemi TTS dedicati?
- Non può parlare alcuna lingua
- Può avere allucinazioni con suoni extra ed è meno controllabile
- Funziona solo offline
- Produce audio silenzioso
- What does Bark’s semantic-to-coarse stage produce?
- A transcript of the generated waveform
- A mel-spectrogram with no audio tokens
- The first two EnCodec audio codebooks
- An image embedding
- How can a Bark prompt request a nonverbal event such as laughter?
- Add an image mask to the audio tokens
- Train a new EnCodec model for every cue
- Convert the cue to a CSV file
- Include a cue such as [laughs] in the text prompt