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.
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.
- 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
- Apakah maksud MAS dalam Glow-TTS?
- Sintesis Audio Mel
- Carian Penjajaran Monotonik
- Sistem Pelbagai Perhatian
- Pensampel Akustik Modular
- 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
- Apakah jenis penyahkod yang digunakan Glow-TTS untuk memodelkan spektrogram?
- Rangkaian perhatian berulang
- Pengelas konvolusi
- Model bahasa pengubah
- Aliran normalisasi
- 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
- 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
- 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
- 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