Kuiz TTS Pertuturan Semulajadi dan Latent Diffusion

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. What did the original NaturalSpeech paper report for its LJSpeech evaluation?
   • Human-level quality under the paper’s stated evaluation protocol
   • Human-level quality on every language and speaker
   • Perfect equality to every human recording
   • A universal guarantee of naturalness
2. Apakah sebenarnya yang dihasilkan oleh model penyebaran terpendam NaturalSpeech 2?
   • Bentuk gelombang audio mentah secara langsung
   • Vektor terpendam berterusan daripada codec audio saraf
   • Transkrip fonetik bercetak
   • Gambar spektrogram imej untuk tontonan manusia
3. Bagaimanakah model resapan menjana data pada tahap tinggi?
   • Ia menghafal dan memainkan semula klip latihan
   • Ia menyusun sampel mengikut abjad
   • Ia belajar untuk membalikkan proses hingar langkah demi langkah, menafikan daripada hingar rawak kepada data
   • Ia hanya meramalkan perkataan teks seterusnya
4. Apakah keupayaan utama yang diberikan oleh resapan terpendam NaturalSpeech 2?
   • Menterjemah ucapan kepada imej
   • Mengeluarkan keperluan untuk sebarang input teks
   • Menjana hanya satu suara tetap
   • Pengklonan suara tangkapan sifar daripada gesaan rujukan pendek
5. Apakah idea utama 'penyebaran terfaktor' NaturalSpeech 3?
   • Mengasingkan pertuturan kepada atribut terurai seperti kandungan, prosodi dan timbre, dimodelkan secara bebas
   • Menjana pertuturan dua kali lebih pantas dengan melangkau teks
   • Memampatkan audio menjadi satu integer
   • Hanya menggunakan pemprosesan isyarat berasaskan peraturan
6. Mengapakah TTS penyebaran kesetiaan tinggi meningkatkan keperluan untuk perlindungan seperti penanda air?
   • Kerana ia menjadikan fail audio terlalu besar untuk disimpan
   • Kerana pengklonan suara sifar pukulan yang realistik menimbulkan risiko penyalahgunaan dan penyamaran yang jelas
   • Kerana ia hanya berfungsi dalam satu bahasa
   • Kerana model penyebaran tidak boleh dilatih sama sekali
7. After NaturalSpeech 2 diffusion generates codec latents, what converts them into speech?
   • A text tokenizer turns them into phonemes
   • A speaker diarization model turns them into subtitles
   • A neural audio-codec decoder turns the generated latents into waveform audio
   • A spectrogram classifier selects a genre
8. What can NaturalSpeech 3’s factorized speech representation make easier?
   • Replacing the need for any audio decoder
   • Guaranteeing every cloned voice has consent
   • Converting speech into text without an acoustic model
   • Adjusting attributes such as prosody and timbre more independently