Kuiz berkaitan panduan · Keras Tahap

Kuiz Model Bahasa VALL-E dan Codec

Semak pendekatan model bahasa token codec VALL-E, penjanaan token berperingkat dan keadaan di sebalik keputusan suara beberapa tangkapan yang dilaporkan.

Laluan panduan yang berkaitanModel Bahasa Vall E Dan Codec
soalan 1 daripada 8

Apakah idea teras yang membezakan VALL-E daripada sistem teks ke pertuturan yang lebih awal?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah idea teras yang membezakan VALL-E daripada sistem teks ke pertuturan yang lebih awal?
    • Ia meramalkan token codec saraf sebagai tugas pemodelan bahasa dan bukannya meramalkan spektrogram
    • Ia hanya menggunakan pemprosesan isyarat buatan tangan
    • Ia memerlukan audio berjam-jam daripada pembesar suara sasaran
    • Ia menjana teks daripada ucapan
  2. Berapa banyak audio rujukan yang diperlukan oleh VALL-E untuk mengklonkan suara pembesar suara baharu?
    • Lebih kurang satu jam
    • Lebih kurang tiga saat
    • Tiada audio rujukan sama sekali
    • Lebih kurang tiga puluh minit
  3. Codec saraf manakah yang VALL-E gunakan untuk menghasilkan token audionya?
    • MP3
    • Opus
    • EnCodec
    • WAV
  4. Mengapakah VALL-E menggunakan kedua-dua peringkat autoregresif dan bukan autoregresif?
    • Untuk menterjemah ucapan ke dalam pelbagai bahasa
    • Untuk memisahkan muzik daripada ucapan
    • Untuk memampatkan input teks
    • Oleh kerana token codec berlapis, jadi ia meramalkan token kasar secara berurutan dan token halus secara selari
  5. Secara kasar berapa banyak data pertuturan yang dilatih oleh VALL-E, yang membolehkan pengklonan sifar pukulan yang kuat?
    • Kira-kira 60,000 jam
    • Lebih kurang 100 jam
    • Lebih kurang 1,000 jam
    • Lebih kurang 10 jam
  6. Selain timbre, apa lagi yang boleh disimpan oleh VALL-E daripada klip rujukan pendek?
    • Kata-kata tepat penceramah selamanya
    • Persekitaran akustik rakaman
    • Video yang mengiringinya
    • Format fail asal
  7. What does VALL-E condition on to imitate a target speaker in its demonstration setup?
    • A photograph and a written biography only
    • A long labeled transcript from every target-speaker recording
    • A short audio prompt from that speaker plus the text to speak
    • A speaker ID with no audio example
  8. What text representation does the VALL-E paper use as input to its text-to-code model?
    • A raw waveform of the target utterance
    • A speaker’s face embedding
    • A list of MIDI notes
    • A phoneme sequence