가이드 연계 퀴즈 · 하드 레벨

VALL-E 및 코덱 언어 모델 퀴즈

VALL-E의 코덱 토큰 언어 모델 접근 방식, 단계적 토큰 생성 및 보고된 몇 번의 음성 결과 뒤에 있는 조건을 검토합니다.

관련 가이드 경로Vall E 및 코덱 언어 모델
질문 1 의 8

VALL-E가 이전의 텍스트 음성 변환 시스템과 구별되는 핵심 아이디어는 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. VALL-E가 이전의 텍스트 음성 변환 시스템과 구별되는 핵심 아이디어는 무엇입니까?
    • 스펙트로그램을 예측하는 대신 신경 코덱 토큰을 언어 모델링 작업으로 예측합니다.
    • 손으로 제작한 신호 처리만 사용합니다.
    • 대상 스피커에서 몇 시간의 오디오가 필요합니다.
    • 음성에서 텍스트를 생성합니다.
  2. VALL-E가 새로운 화자의 음성을 복제하려면 얼마나 많은 참조 오디오가 필요합니까?
    • 약 1시간
    • 약 3초
    • 참조 오디오가 전혀 없습니다.
    • 약 30분
  3. VALL-E는 오디오 토큰을 생성하기 위해 어떤 신경 코덱을 사용합니까?
    • MP3
    • 오푸스
    • 인코딩코덱
    • WAV
  4. VALL-E가 자기회귀 단계와 비자기회귀 단계를 모두 사용하는 이유는 무엇입니까?
    • 연설을 여러 언어로 번역하려면
    • 음악과 음성을 분리하려면
    • 텍스트 입력을 압축하려면
    • 코덱 토큰은 계층화되어 있기 때문에 거친 토큰은 순차적으로 예측하고 정밀한 토큰은 병렬로 예측합니다.
  5. 강력한 제로샷 복제를 가능하게 하기 위해 VALL-E가 훈련된 음성 데이터의 양은 대략 얼마나 됩니까?
    • 약 60,000시간
    • 약 100시간
    • 약 1,000시간
    • 약 10시간
  6. 음색 외에 VALL-E가 짧은 참조 클립에서 무엇을 보존할 수 있습니까?
    • 화자의 정확한 말은 영원히
    • 녹음의 음향 환경
    • 함께 올라온 영상
    • 원본 파일 형식
  7. What does VALL-E condition on to imitate a target speaker in its demonstration setup?
    • A photograph and a written biography only
    • A long labeled transcript from every target-speaker recording
    • A short audio prompt from that speaker plus the text to speak
    • A speaker ID with no audio example
  8. What text representation does the VALL-E paper use as input to its text-to-code model?
    • A raw waveform of the target utterance
    • A speaker’s face embedding
    • A list of MIDI notes
    • A phoneme sequence