Quiz collegato alla guida · Difficile Livello

Quiz sui modelli linguistici VALL-E e Codec

Esamina l'approccio del modello linguistico codec-token di VALL-E, la generazione di token a fasi e le condizioni alla base dei risultati vocali riportati con pochi scatti.

Percorsi guida correlatiModelli linguistici Vall E e Codec
Domanda 1 di 8

Quale idea fondamentale distingue VALL-E dai precedenti sistemi di sintesi vocale?

Anteprima di ogni domanda8 domande

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

  1. Quale idea fondamentale distingue VALL-E dai precedenti sistemi di sintesi vocale?
    • Prevede i token del codec neurale come attività di modellazione del linguaggio invece di prevedere uno spettrogramma
    • Utilizza solo l'elaborazione del segnale artigianale
    • Richiede ore di audio dall'altoparlante di destinazione
    • Genera testo dal parlato
  2. Di quanto audio di riferimento ha bisogno VALL-E per clonare la voce di un nuovo oratore?
    • Circa un'ora
    • Circa tre secondi
    • Nessun audio di riferimento
    • Circa trenta minuti
  3. Quale codec neurale utilizza VALL-E per produrre i suoi token audio?
    • MP3
    • Opus
    • EnCodec
    • WAV
  4. Perché VALL-E utilizza sia uno stadio autoregressivo che uno non autoregressivo?
    • Tradurre il discorso in più lingue
    • Per separare la musica dal parlato
    • Per comprimere il testo inserito
    • Poiché i token del codec sono stratificati, prevede i token grossolani in sequenza e i token fini in parallelo
  5. All'incirca su quanti dati vocali è stato addestrato VALL-E, consentendo una forte clonazione zero-shot?
    • Circa 60.000 ore
    • Circa 100 ore
    • Circa 1.000 ore
    • Circa 10 ore
  6. Oltre al timbro, cos'altro può preservare VALL-E dalla breve clip di riferimento?
    • Le parole esatte di chi parla per sempre
    • L'ambiente acustico della registrazione
    • Il video che lo accompagnava
    • Il formato file originale
  7. What does VALL-E condition on to imitate a target speaker in its demonstration setup?
    • A photograph and a written biography only
    • A long labeled transcript from every target-speaker recording
    • A short audio prompt from that speaker plus the text to speak
    • A speaker ID with no audio example
  8. What text representation does the VALL-E paper use as input to its text-to-code model?
    • A raw waveform of the target utterance
    • A speaker’s face embedding
    • A list of MIDI notes
    • A phoneme sequence