ガイド連動クイズ · 中 レベル

Bark 生成オーディオ モデル クイズ

Bark の段階的なオーディオ トークンの生成、EnCodec 波形デコーダ、およびテキスト キューが音声や非言語音をどのように引き出すことができるかを理解します。

関連するガイドパスBark 生成オーディオ モデル
質問 1 の 8

Bark と従来の音声合成エンジンとの違いは何ですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. Bark と従来の音声合成エンジンとの違いは何ですか?
    • 音声だけでなく、笑い声や音楽などの非言語音も生成できます。
    • きれいなロボット音声のみを出力します
    • すべての出力に録音された音声サンプルが必要です
    • 音声をテキストに変換します
  2. Bark モデルをリリースしたのは誰ですか?
    • OpenAI
    • Suno
    • Google ディープマインド
    • Meta
  3. Bark は基本的にどのようにしてオーディオを生成するのでしょうか?
    • 事前に録音された音素をつなぎ合わせることで
    • リファレンス録音にフィルターを適用することにより
    • 言語モデルのように個別のオーディオ トークンを自己回帰的に予測することによって
    • MIDIノートをレンダリングすることにより
  4. Bark はトークンを波形に変換するためにどのようなニューラル コーデックを使用していますか?
    • MP3
    • FLAC
    • ウェーブネット
    • Meta のエンコーデック
  5. 同じ Bark プロンプトが毎回異なる結果を生成するのはなぜですか?
    • 生成は確率的であるため、実行ごとに異なるシーケンスがサンプリングされます。
    • 出力をランダムにキャッシュします
    • 繰り返しのプロンプトでは常にエラーになります
    • 時間帯にもよりますが
  6. 専用 TTS システムと比較した Bark の既知の欠点は何ですか?
    • どの言語も話すことができません
    • 余分な音が幻聴される可能性があり、制御が困難です
    • オフラインでのみ機能します
    • 無音の音声を生成します
  7. 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
  8. 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