StyleTTS 2 スタイル普及クイズ

クイズに答えると、答えと解説が表示されます。

1. StyleTTS 2 は拡散プロセスを使用して何をモデル化しますか?
   • 韻律と音色を制御する潜在的な「スタイルベクトル」
   • サンプルごとの生のオーディオ波形
   • スピーチの文字起こし
   • リスナーの聴覚反応
2. StyleTTS 2 で敵対的識別子として使用される事前トレーニング済み音声モデルはどれですか?
   • レスネット-50
   • WavLM
   • バート
   • クリップ
3. なぜ StyleTTS 2 は同じ文を多くの自然な方法で言うことができるのでしょうか?
   • 入力テキストがランダムに破損します
   • 毎回異なる言語モデルを使用します
   • スタイルは固定ではなくディストリビューションからサンプリングされます
   • 音素のスペルを変更します
4. StyleTTS 2の著者らは、LJSpeechの聴取評価について何を報告しましたか？
   • It outperformed humans on every language and dataset
   • No listeners evaluated the samples
   • It was tested only on music
   • Native English listeners rated its samples above the human recordings in that study
5. 「エンドツーエンド」トレーニングは StyleTTS 2 に何をもたらしますか?
   • 波形品質からパイプライン全体に戻るグラデーション フロー
   • テキスト入力はまったく必要ありません
   • ボコーダーを個別にトレーニングするだけです
   • ニューラルネットワークが不要になります
6. What can sampling different style vectors do for the same text?
   • Change the transcript into a different language automatically
   • Produce different prosodic realizations of the written content
   • Guarantee every rendition sounds human
   • Remove the need for speech synthesis
7. What speech input does ordinary StyleTTS 2 synthesis require to sample a style?
   • A three-second reference clip is always required
   • A human listener must speak the sentence first
   • No reference speech is required; it can generate style from the text-conditioned model
   • A transcript of every training speaker
8. On which dataset did the StyleTTS 2 paper report results for zero-shot speaker adaptation?
   • イメージネット
   • ココ
   • MUSDB18
   • LibriTTS