ガイド連動クイズ · 中 レベル
FastPitch ピッチ制御可能な TTS クイズ
FastPitch が基本周波数の輪郭を予測し、推論時にピッチを編集し、メル フレームを並列合成する方法を学びます。
質問 1 の 8
FastPitch が各入力トークンに対して明示的に予測する追加の信号は何ですか?
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。
- FastPitch が各入力トークンに対して明示的に予測する追加の信号は何ですか?
- ピッチ（基本周波数）
- 発言者の性別
- バックグラウンドノイズレベル
- 言語ID
- FastPitch はどのようにしてメル スペクトログラムをこれほど迅速に生成するのでしょうか?
- 一度に 1 サンプルずつオーディオをストリーミングする
- 非自己回帰的、単一の並列前方パスで
- 記録されたデータベースからコピーする
- 単一の CPU コアのみで実行することにより
- How can a user change the intonation contour in FastPitch output without retraining?
- 音素を削除することで
- ランダムシードのみを変更することで
- 予測されたピッチ値をスケーリングまたは編集することによって
- サンプルレートを下げることで
- トレーニング中、ピッチターゲットはトークンごとにどのように割り当てられますか?
- ランダムな値
- オーディオの最大振幅
- 最初のフレームの値のみ
- トークンの持続期間にわたる平均基本周波数
- 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
- トークンごとのピッチ制御が直感的だが粗いと表現されているのはなぜですか?
- オーディオサンプルごとにピッチを予測します
- フレームごとではなく、シンボルごとに 1 つのピッチ値を予測します。
- ピッチを完全に無視します
- 1つのスピーカーでのみ機能します
- Which earlier parallel TTS architecture is FastPitch based on?
- タコトロン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