Quiz collegato alla guida · Medio Livello

Quiz di allineamento monotono Glow-TTS

Scopri come Glow-TTS utilizza la ricerca di allineamento monotona e un predittore di durata per sintetizzare il parlato in parallelo, senza un allineatore esterno.

Percorsi guida correlatiGlow Tts Allineamento monotono
Domanda 1 di 8

Quale problema con il TTS basato sull'attenzione si propone di risolvere Glow-TTS?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quale problema con il TTS basato sull'attenzione si propone di risolvere Glow-TTS?
    • Saltare o ripetere parole in frasi lunghe
    • Audio troppo basso
    • Impossibilità di utilizzare una GPU
    • Mancanza di un codificatore di testo
  2. Cosa significa MAS in Glow-TTS?
    • Mel Audio Sintesi
    • Ricerca monotona dell'allineamento
    • Sistema multiattenzione
    • Campionatore acustico modulare
  3. Perché l'allineamento deve essere monotono?
    • Per aumentare il volume dell'audio
    • Per ridurre le dimensioni del file
    • Perché il testo viene letto nell'ordine da sinistra a destra nel tempo
    • Per supportare più altoparlanti
  4. Che tipo di decodificatore utilizza Glow-TTS per modellare gli spettrogrammi?
    • Una rete di attenzione ricorrente
    • Un classificatore convoluzionale
    • Un modello linguistico trasformatore
    • Un flusso normalizzante
  5. Al momento dell'inferenza, in che modo Glow-TTS decide quanto dura ciascun token di testo?
    • Un predittore di durata restituisce il numero di fotogrammi per token
    • Viene eseguito nuovamente MAS sull'audio
    • Indovina in modo casuale
    • Utilizza un microfono
  6. Qual è un vantaggio pratico del fatto che Glow-TTS non è autoregressivo?
    • Non necessita di immissione di testo
    • Può generare tutti i frame in parallelo per una sintesi rapida
    • Non può controllare il tono
    • Funziona solo offline
  7. What does the surjective-alignment assumption mean in Glow-TTS?
    • Each speech frame maps to multiple languages
    • Some text tokens must be skipped
    • Every text token maps to at least one speech frame
    • The output audio has no frame sequence
  8. How does Glow-TTS find a likely alignment during training?
    • A human marks every phoneme-frame pair by hand
    • It randomly permutes the text tokens
    • A waveform classifier chooses a speaker identity
    • Dynamic programming searches for the most probable valid monotonic path