Quiz collegato alla guida · Medio Livello

Quiz su Tacotron 2

Esamina la pipeline text-to-mel di Tacotron 2, le salvaguardie dell'attenzione e la previsione dell'interruzione appresa che determina la lunghezza dell'enunciazione.

Percorsi guida correlatiTacotron 2
Domanda 1 di 8

Quale rappresentazione intermedia prevede Tacotron 2 dal testo?

Anteprima di ogni domanda8 domande

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

  1. Quale rappresentazione intermedia prevede Tacotron 2 dal testo?
    • Uno spettrogramma mel
    • Un'immagine JPEG
    • Solo fonemi di testo grezzo
    • Un file MIDI
  2. Cosa converte lo spettrogramma di Tacotron 2 in una forma d'onda effettiva?
    • Un correttore ortografico
    • Un vocoder WaveNet modificato
    • Un motore di ricerca
    • Un classificatore di immagini convoluzionale
  3. Quale problema aiuta a prevenire l'attenzione sensibile alla posizione?
    • Surriscaldamento della GPU
    • Perdita di connessione Internet
    • Parole ripetute o saltate durante la sintesi
    • Errori di ortografia nel testo di input
  4. How does Tacotron 2 determine that it has generated the end of an utterance?
    • A human must press a button for every utterance
    • It always generates a fixed number of frames
    • The vocoder detects silence and interrupts the decoder
    • A learned stop-token prediction signals the decoder to stop
  5. Quale stile di architettura generale utilizza la parte testo-spettrogramma?
    • Sequenza dopo sequenza con attenzione
    • Una semplice tabella di ricerca
    • Un albero decisionale
    • Un insieme di regole statiche
  6. Quale modello successivo è il successore più veloce e non autoregressivo nello spirito di Tacotron 2?
    • ResNet
    • Discorso veloce 2
    • BERT
    • AlexNet
  7. What does the post-net in Tacotron 2 refine?
    • The input text spelling
    • The speaker’s identity metadata
    • The predicted mel-spectrogram
    • The final transcript punctuation
  8. What does FastSpeech 2 add as conditioning information for speech variation?
    • A video soundtrack transcript only
    • A random microphone serial number
    • A mandatory image embedding
    • Pitch, energy, and more accurate duration information