歌声合成クイズ

クイズに答えると、答えと解説が表示されます。

1. What core inputs does a score-conditioned singing-voice system use?
   • Lyrics and musical-score information such as pitch and duration
   • 雰囲気を説明するテキスト プロンプトのみ
   • 歌手の写真とジャンルラベル
   • ドラムパターンとコードチャート
2. What did Yamaha say it announced publicly in 2003?
   • A diffusion-based speech recognizer
   • Development of a singing-synthesis technology called VOCALOID
   • The first open-source music transformer
   • A universal audio codec for streaming
3. What does an F0 contour represent in voiced singing?
   • 曲のラウドネスエンベロープ
   • 歌詞の音素順
   • The estimated fundamental-frequency or pitch trajectory over time
   • 部屋の残響レベル
4. In the described two-stage neural singing-synthesis setup, what can the acoustic model produce before the vocoder?
   • 完成したMP3ファイル
   • MIDIファイル
   • テキストのトランスクリプト
   • メルスペクトログラム
5. How does DiffSinger use diffusion in its acoustic model?
   • It iteratively denoises acoustic features conditioned on the musical score
   • It concatenates complete songs without conditioning
   • It predicts only the singer’s name and no audio features
   • It replaces note information with an image classifier
6. 現代の SVS によって提起される主要な倫理的懸念はどれですか?
   • 楽譜を使いすぎます
   • 同意なしに作成された本物のアーティストのディープフェイクボーカル
   • ピッチ変化を生成することはできません
   • 話し言葉に対してのみ機能します
7. What does portamento describe in a synthesized singing performance?
   • The word-level transcript of lyrics
   • The codec that converts a waveform into tokens
   • A continuous pitch glide between notes
   • A fixed speaker identity embedding
8. What does a neural vocoder do after an acoustic model predicts a mel-spectrogram?
   • Chooses the lyrics and musical score
   • Determines the singer’s legal permissions
   • Estimates the track’s album cover
   • Converts the acoustic representation into an audio waveform