Gids-gekoppelde quiz · Middelmatig Niveau

FastSpeech en niet-autoregressieve TTS-quiz

Controleert parallelle spectrogramgeneratie, duuruitbreiding, FastSpeech 2 toonhoogte en energieconditionering, en gevolgtrekkingsafwegingen.

Vraag 1 van 8

Wat betekent 'niet-autoregressief' in de context van FastSpeech?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat betekent 'niet-autoregressief' in de context van FastSpeech?
    • Het genereert alle spectrogramframes parallel in plaats van opeenvolgend
    • Het genereert audioframes één voor één op volgorde
    • Lange zinnen kan hij niet aan
    • Er zijn geen trainingsgegevens vereist
  2. Welk probleem van autoregressieve modellen zoals Tacotron 2 behandelt FastSpeech specifiek?
    • Onvermogen om audio te produceren
    • Langzame generatie en overgeslagen of herhaalde woorden door aandachtsfouten
    • Gebrek aan ondersteuning voor Engelse tekst
    • Kwantumhardware vereist
  3. Wat is de rol van de 'lengteregelaar' in FastSpeech?
    • Het comprimeert het uiteindelijke audiobestand
    • Het verwijdert stilte uit opnames
    • Het herhaalt de representatie van elk foneem volgens de voorspelde duur om overeen te komen met de audiolengte
    • Het vertaalt fonemen naar tekst
  4. Which additional speech variations does FastSpeech 2 condition on during training and inference?
    • Only speaker age and recording location
    • Video frames and subtitle color
    • A single fixed global loudness value
    • Pitch, energy, and duration information
  5. Waarom groeit de inferentietijd van FastSpeech nauwelijks met de zinslengte?
    • Alle frames worden parallel gegenereerd in plaats van opeenvolgend
    • Het negeert het grootste deel van de invoertekst
    • Er worden alleen clips van één seconde uitgevoerd
    • Het maakt gebruik van een opzoektabel met vooraf opgenomen zinnen
  6. How does the length regulator use predicted durations in FastSpeech?
    • It selects the final audio codec
    • It expands phoneme-level representations to align with the target spectrogram length
    • It estimates the speaker’s identity from video
    • It converts text into a sequence of labels for translation
  7. What is one tradeoff of non-autoregressive spectrogram generation?
    • It guarantees identical prosody to an autoregressive model
    • It removes the need for a waveform vocoder
    • Parallel output can be faster, but duration and speech variation must be modeled explicitly
    • It cannot accept text as input
  8. What training target does FastSpeech 2 use instead of FastSpeech’s teacher-generated simplified outputs?
    • Only predicted durations with no acoustic target
    • A translated text transcript
    • The output of a GAN discriminator only
    • Ground-truth target speech representations