Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Sintesis Autoregresif Kura-kura TTS

Lihat cara Kura-kura menggabungkan token pertuturan autoregresif, penyahkod resapan dan pemilihan calon untuk sintesis berkualiti tinggi.

Laluan panduan yang berkaitanSintesis Autoregresif Kura-kura Tts
soalan 1 daripada 8

What does Tortoise’s autoregressive transformer do in the synthesis pipeline?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. What does Tortoise’s autoregressive transformer do in the synthesis pipeline?
    • Predicts speech tokens conditioned on text and speaker information
    • Measures the final waveform’s loudness only
    • Selects a license for the generated audio
    • Converts video frames into subtitles
  2. Apakah yang boleh dilakukan Kura-kura dengan hanya beberapa klip rujukan pendek?
    • Transkripsikan audio kepada teks
    • Klon suara sasaran dan baca teks sewenang-wenangnya
    • Terjemah bahasa sahaja
    • Buang bunyi latar belakang
  3. Dua keluarga model manakah yang paling mempengaruhi reka bentuk Kura-kura?
    • Pokok keputusan dan SVM
    • Jadual fonem berasaskan peraturan dan HMM
    • Transformer dan resapan autoregresif
    • Penapis konvolusi sahaja
  4. Bagaimanakah Kura-kura memilih antara berbilang calon yang dihasilkan?
    • Ia memilih yang pertama
    • Ia sentiasa memilih yang terpendek
    • Ia bertanya kepada pengguna
    • Ia menggunakan model pemarkahan CLVP untuk menentukan kedudukan mereka terhadap teks
  5. Siapa yang mencipta TTS Kura-kura?
    • James Betker
    • Geoffrey Hinton
    • Ian Goodfellow
    • Andrej Karpathy
  6. Apakah sebab utama Kura-kura agak lambat?
    • Ia memuat turun suara dari awan setiap kali
    • Ia mengutamakan kualiti, persampelan dan menapis banyak calon
    • Ia hanya berjalan pada CPU
    • Ia memampatkan audio berulang kali
  7. What can Tortoise’s random voice option generate without a supplied reference speaker?
    • A verified recording of a specific real person
    • A translation of an existing speaker’s legal identity
    • A synthetic voice selected by the model
    • A speaker embedding from a missing audio file
  8. How does Tortoise package reference-voice conditioning for reuse?
    • It stores only a text transcript
    • It saves the voice as a LoRA for an image model
    • It records the speaker’s legal name in the waveform
    • It stores autoregressive and diffusion conditioning latents