Kuiz TTS FastSpeech dan Bukan Autoregresif

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah maksud 'bukan autoregresif' dalam konteks FastSpeech?
   • Ia menjana semua bingkai spektrogram secara selari dan bukannya secara berurutan
   • Ia menjana bingkai audio satu demi satu dalam urutan
   • Ia tidak boleh mengendalikan ayat yang panjang
   • Ia tidak memerlukan data latihan
2. Masalah model autoregresif seperti Tacotron 2 yang manakah ditangani secara khusus oleh FastSpeech?
   • Ketidakupayaan untuk menghasilkan sebarang audio
   • Penjanaan perlahan dan perkataan yang dilangkau atau diulang daripada kesilapan perhatian
   • Kurang sokongan untuk teks bahasa Inggeris
   • Memerlukan perkakasan kuantum
3. Apakah peranan 'pengatur panjang' dalam FastSpeech?
   • Ia memampatkan fail audio terakhir
   • Ia menghilangkan kesunyian daripada rakaman
   • Ia mengulangi perwakilan setiap fonem mengikut jangka masa yang diramalkan untuk sepadan dengan panjang audio
   • Ia menterjemahkan fonem ke dalam teks
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. Mengapakah masa inferens FastSpeech hampir tidak berkembang dengan panjang ayat?
   • Semua bingkai dijana secara selari dan bukannya secara berurutan
   • Ia mengabaikan kebanyakan teks input
   • Ia hanya mengeluarkan klip satu saat
   • Ia menggunakan jadual carian ayat yang telah direkodkan
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