Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Penjajaran Monotonic Glow-TTS

Semak cara Glow-TTS menggunakan carian penjajaran monoton dan peramal tempoh untuk mensintesis pertuturan secara selari, tanpa penjajaran luaran.

Laluan panduan yang berkaitanPenjajaran Monotonic Tts Glow
soalan 1 daripada 8

Apakah masalah dengan TTS berasaskan perhatian yang ingin diselesaikan oleh Glow-TTS?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah masalah dengan TTS berasaskan perhatian yang ingin diselesaikan oleh Glow-TTS?
    • Melangkau atau mengulang perkataan pada ayat yang panjang
    • Audio yang terlalu senyap
    • Ketidakupayaan untuk menggunakan GPU
    • Kekurangan pengekod teks
  2. Apakah maksud MAS dalam Glow-TTS?
    • Sintesis Audio Mel
    • Carian Penjajaran Monotonik
    • Sistem Pelbagai Perhatian
    • Pensampel Akustik Modular
  3. Mengapa penjajaran diperlukan untuk menjadi monotonik?
    • Untuk menjadikan audio lebih kuat
    • Untuk mengurangkan saiz fail
    • Kerana teks dibaca dalam susunan kiri ke kanan dari semasa ke semasa
    • Untuk menyokong berbilang pembesar suara
  4. Apakah jenis penyahkod yang digunakan Glow-TTS untuk memodelkan spektrogram?
    • Rangkaian perhatian berulang
    • Pengelas konvolusi
    • Model bahasa pengubah
    • Aliran normalisasi
  5. Pada masa inferens, bagaimanakah Glow-TTS memutuskan berapa lama setiap token teks bertahan?
    • Peramal tempoh mengeluarkan kiraan bingkai setiap token
    • Ia menjalankan MAS sekali lagi pada audio
    • Ia meneka secara rawak
    • Ia menggunakan mikrofon
  6. Apakah kelebihan praktikal Glow-TTS sebagai tidak autoregresif?
    • Ia tidak memerlukan input teks
    • Ia boleh menjana semua bingkai secara selari untuk sintesis pantas
    • Ia tidak boleh mengawal padang
    • Ia hanya berfungsi di luar talian
  7. What does the surjective-alignment assumption mean in Glow-TTS?
    • Each speech frame maps to multiple languages
    • Some text tokens must be skipped
    • Every text token maps to at least one speech frame
    • The output audio has no frame sequence
  8. How does Glow-TTS find a likely alignment during training?
    • A human marks every phoneme-frame pair by hand
    • It randomly permutes the text tokens
    • A waveform classifier chooses a speaker identity
    • Dynamic programming searches for the most probable valid monotonic path