FastSpeech 및 비자동회귀 TTS 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. FastSpeech의 맥락에서 '비자동회귀'는 무엇을 의미합니까?
   • 모든 스펙트로그램 프레임을 순차적이 아닌 병렬로 생성합니다.
   • 한 번에 하나씩 순서대로 오디오 프레임을 생성합니다.
   • 긴 문장을 처리할 수 없습니다.
   • 학습 데이터가 필요하지 않습니다.
2. Tacotron 2와 같은 자동 회귀 모델의 어떤 문제가 FastSpeech에서 구체적으로 해결됩니까?
   • 오디오를 생성할 수 없음
   • 주의 오류로 인해 느린 생성 및 건너뛰거나 반복되는 단어
   • 영어 텍스트 지원 부족
   • 양자 하드웨어 필요
3. FastSpeech에서 '길이 조절기'의 역할은 무엇인가요?
   • 최종 오디오 파일을 압축합니다.
   • 녹음에서 무음을 제거합니다.
   • 오디오 길이와 일치하도록 예측 기간에 따라 각 음소 표현을 반복합니다.
   • 음소를 텍스트로 변환합니다.
4. Which additional speech variations does FastSpeech 2 condition on during training and inference?
   • Only speaker age and recording location
   • Video frames and subtitle color
   • A single fixed global loudness value
   • Pitch, energy, and duration information
5. FastSpeech의 추론 시간이 문장 길이에 따라 거의 늘어나지 않는 이유는 무엇입니까?
   • 모든 프레임은 순차적이 아닌 병렬로 생성됩니다.
   • 대부분의 입력 텍스트를 무시합니다.
   • 1초 분량의 클립만 출력됩니다.
   • 미리 녹음된 문장의 조회 테이블을 사용합니다.
6. How does the length regulator use predicted durations in FastSpeech?
   • It selects the final audio codec
   • It expands phoneme-level representations to align with the target spectrogram length
   • It estimates the speaker’s identity from video
   • It converts text into a sequence of labels for translation
7. What is one tradeoff of non-autoregressive spectrogram generation?
   • It guarantees identical prosody to an autoregressive model
   • It removes the need for a waveform vocoder
   • Parallel output can be faster, but duration and speech variation must be modeled explicitly
   • It cannot accept text as input
8. What training target does FastSpeech 2 use instead of FastSpeech’s teacher-generated simplified outputs?
   • Only predicted durations with no acoustic target
   • A translated text transcript
   • The output of a GAN discriminator only
   • Ground-truth target speech representations