音声変換クイズ

クイズに答えると、答えと解説が表示されます。

1. 音声変換により、録音に関して何が変わりますか?
   • 話者の身元、それが誰に聞こえるか
   • 語られる言葉は
   • コンテンツの言語
   • バックグラウンドミュージックのみ
2. システムが言葉を保持したまま音声を交換できるコア機能は何ですか?
   • オーディオビットレートを上げる
   • 言語コンテンツを話者のアイデンティティから解きほぐす
   • まずは本文を翻訳してみる
   • 信号からすべてのピッチを削除する
3. AutoVC は、コンテンツから話者のアイデンティティを取り除くモデルをどのように奨励しますか?
   • 非常に大規模で無制限の隠れ層を使用することによって
   • 何千もの同時録音が必要なため
   • 情報ボトルネックのサイズを慎重に考慮して使用する
   • 言葉にランダムなノイズを加えることで
4. 「並列」音声変換データセットと「非並列」音声変換データセットの違いは何ですか?
   • パラレルデータは常にステレオで記録されます
   • 非並列データは 2 つの言語で記述されている必要があります
   • それらの間に実質的な違いはありません
   • 並列データでは、両方の話者が同じ文章を言う必要があります。非平行ではありません
5. What makes the AutoVC approach “zero-shot” in the paper’s voice-conversion setting?
   • It converts to a target speaker not seen as a training speaker, using target reference audio without retraining for that target
   • It produces speech without any audio input
   • It translates speech into a new language automatically
   • It requires paired recordings of both speakers saying every sentence
6. Why does ASVspoof evaluate spoofed or deepfake speech countermeasures?
   • To measure whether a voice converter preserves punctuation
   • To test defenses that protect automatic speaker verification from manipulated audio
   • To identify the language of every sentence
   • To replace the enrollment utterance with a text transcript
7. How does CycleGAN-VC learn a mapping between speakers without parallel utterances?
   • Exact word-for-word paired recordings are mandatory
   • It translates only the written transcript
   • Cycle-consistency and adversarial objectives constrain conversions between domains
   • It copies the target speaker’s raw waveform
8. In a voice-conversion system, what does a vocoder do?
   • Identifies the speaker’s legal identity
   • 音声を別の言語に翻訳します
   • Measures speaker-verification accuracy
   • Converts acoustic features such as a spectrogram into an audio waveform