Quiz collegato alla guida · Medio Livello
Quiz TTS con tonalità controllabile FastPitch
Scopri come FastPitch prevede i contorni della frequenza fondamentale, modifica l'intonazione durante l'inferenza e sintetizza i fotogrammi mel in parallelo.
Domanda 1 di 8
Quale segnale aggiuntivo prevede esplicitamente FastPitch per ciascun token di input?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quale segnale aggiuntivo prevede esplicitamente FastPitch per ciascun token di input?
- L'altezza (frequenza fondamentale)
- Il sesso di chi parla
- Il livello del rumore di fondo
- L'ID della lingua
- Come fa FastPitch a generare lo spettrogramma mel così velocemente?
- Trasmettendo l'audio in streaming un campione alla volta
- Non autoregressivo, in un unico passaggio in avanti parallelo
- Copiando da un database registrato
- Eseguendo solo su un singolo core della CPU
- How can a user change the intonation contour in FastPitch output without retraining?
- Cancellando i fonemi
- Modificando solo il seme casuale
- Ridimensionando o modificando i valori del tono previsti
- Abbassando la frequenza di campionamento
- Durante l'allenamento, come viene assegnato l'obiettivo del lancio per gettone?
- Un valore casuale
- L'ampiezza massima dell'audio
- Solo il valore del primo fotogramma
- La frequenza fondamentale media durante la durata del token
- What synthesis throughput did the FastPitch paper report for a typical utterance?
- Over 900× real time for mel-spectrogram synthesis in the reported setup
- About one second of audio per hour
- Exactly 2× real time for waveform output
- No measurement of synthesis speed
- Perché il controllo del tono per token viene descritto come intuitivo ma approssimativo?
- Prevede l'intonazione per campione audio
- Prevede un valore di passo per simbolo, non per fotogramma
- Ignora completamente l'altezza
- Funziona solo per un altoparlante
- Which earlier parallel TTS architecture is FastPitch based on?
- Tacotron 2
- WavLM
- FastSpeech
- HiFi-GAN
- Besides pitch, what token-level signal helps FastPitch align text with output frames?
- Speaker gender
- Background noise level
- Language identity only
- Predicted token duration