Kuiz Model Audio Generatif Bark

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah yang membezakan Bark daripada enjin teks ke pertuturan tradisional?
   • Ia boleh menghasilkan bunyi bukan lisan seperti ketawa dan muzik, bukan hanya pertuturan
   • Ia hanya mengeluarkan ucapan robotik yang bersih
   • Ia memerlukan sampel suara yang dirakam untuk setiap output
   • Ia menukar audio kepada teks
2. Siapa yang mengeluarkan model Bark?
   • OpenAI
   • Suno
   • Google DeepMind
   • Meta
3. Bagaimanakah Bark secara asasnya menjana audio?
   • Dengan mencantumkan fonem prarakaman
   • Dengan menggunakan penapis pada rakaman rujukan
   • Dengan meramalkan token audio diskret secara autoregresif seperti model bahasa
   • Dengan memberikan nota MIDI
4. Apakah codec saraf yang Bark gunakan untuk menukar token kepada bentuk gelombang?
   • MP3
   • FLAC
   • WaveNet
   • EnCodec Meta
5. Mengapakah gesaan Bark yang sama boleh menghasilkan hasil yang berbeza setiap kali?
   • Penjanaan adalah kebarangkalian, jadi setiap larian mengambil sampel urutan yang berbeza
   • Ia menyimpan output secara rawak
   • Ia sentiasa ralat pada gesaan ulangan
   • Ia bergantung pada masa hari
6. Apakah kelemahan Bark yang diketahui berbanding sistem TTS khusus?
   • Ia tidak boleh bercakap apa-apa bahasa
   • Ia boleh mengkhayalkan bunyi tambahan dan kurang terkawal
   • Ia hanya berfungsi di luar talian
   • Ia menghasilkan audio senyap
7. What does Bark’s semantic-to-coarse stage produce?
   • A transcript of the generated waveform
   • A mel-spectrogram with no audio tokens
   • The first two EnCodec audio codebooks
   • An image embedding
8. How can a Bark prompt request a nonverbal event such as laughter?
   • Add an image mask to the audio tokens
   • Train a new EnCodec model for every cue
   • Convert the cue to a CSV file
   • Include a cue such as [laughs] in the text prompt