NaturalSpeech 및 잠재 확산 TTS 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. What did the original NaturalSpeech paper report for its LJSpeech evaluation?
   • Human-level quality under the paper’s stated evaluation protocol
   • Human-level quality on every language and speaker
   • Perfect equality to every human recording
   • A universal guarantee of naturalness
2. NaturalSpeech 2의 잠재 확산 모델은 실제로 무엇을 생성합니까?
   • 원시 오디오 파형을 직접
   • 신경 오디오 코덱의 연속 잠재 벡터
   • 인쇄된 음성 기록
   • 사람이 볼 수 있는 이미지 스펙트로그램 사진
3. 확산 모델은 어떻게 높은 수준의 데이터를 생성합니까?
   • 훈련 클립을 기억하고 재생합니다.
   • 샘플을 알파벳순으로 정렬합니다.
   • 단계별 노이즈 프로세스를 역전하여 무작위 노이즈에서 데이터까지 노이즈를 제거하는 방법을 학습합니다.
   • 텍스트의 다음 단어만 예측합니다.
4. 잠재 확산이 NaturalSpeech 2에 제공하는 주요 기능은 무엇입니까?
   • 음성을 이미지로 번역하기
   • 텍스트 입력의 필요성 제거
   • 단일 고정 음성만 생성
   • 짧은 참조 프롬프트에서 제로샷 음성 복제
5. NaturalSpeech 3의 'Factorized Diffusion'의 핵심 아이디어는 무엇인가요?
   • 음성을 내용, 운율, 음색과 같은 서로 다른 속성으로 분리하여 독립적으로 모델링
   • 텍스트를 건너뛰어 음성 생성 속도를 두 배로 늘림
   • 오디오를 단일 정수로 압축
   • 규칙 기반 신호 처리만 사용
6. 고충실도 확산 TTS가 워터마킹과 같은 보호 장치의 필요성을 높이는 이유는 무엇입니까?
   • 오디오 파일이 너무 커서 저장할 수 없기 때문입니다.
   • 사실적인 제로샷 음성 복제는 명백한 오용 및 사칭 위험을 야기하기 때문입니다.
   • 한 가지 언어로만 작동하기 때문에
   • 확산 모델은 전혀 훈련할 수 없기 때문에
7. After NaturalSpeech 2 diffusion generates codec latents, what converts them into speech?
   • A text tokenizer turns them into phonemes
   • A speaker diarization model turns them into subtitles
   • A neural audio-codec decoder turns the generated latents into waveform audio
   • A spectrogram classifier selects a genre
8. What can NaturalSpeech 3’s factorized speech representation make easier?
   • Replacing the need for any audio decoder
   • Guaranteeing every cloned voice has consent
   • Converting speech into text without an acoustic model
   • Adjusting attributes such as prosody and timbre more independently