Gids-gekoppelde quiz · Moeilijk Niveau

NaturalSpeech en latente verspreiding TTS Quiz

Omvat latente diffusie van codecs, zero-shot spraakaanwijzingen, gefactoriseerde spraakattributen en de reikwijdte van de gerapporteerde benchmarkresultaten.

Vraag 1 van 8

What did the original NaturalSpeech paper report for its LJSpeech evaluation?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  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. Wat genereert het latente diffusiemodel van NaturalSpeech 2 feitelijk?
    • Ruwe audiogolfvormen direct
    • Continue latente vectoren van een neurale audiocodec
    • Gedrukte fonetische transcripties
    • Beeldspectrogramafbeeldingen voor menselijke weergave
  3. Hoe genereert een diffusiemodel gegevens op hoog niveau?
    • Het onthoudt trainingsclips en speelt deze opnieuw af
    • Het sorteert monsters alfabetisch
    • Het leert een stapsgewijs ruisproces om te keren, waarbij willekeurige ruis wordt omgezet in data
    • Het voorspelt alleen het volgende woord van de tekst
  4. Welke belangrijke mogelijkheden biedt latente diffusie NaturalSpeech 2?
    • Spraak vertalen naar beelden
    • Het elimineren van de noodzaak voor tekstinvoer
    • Er wordt slechts één vaste stem gegenereerd
    • Zero-shot stemklonen vanaf een korte referentieprompt
  5. Wat is het centrale idee van de 'gefactoriseerde diffusie' van NaturalSpeech 3?
    • Spraak opsplitsen in onontwarbare attributen zoals inhoud, prosodie en timbre, onafhankelijk gemodelleerd
    • Twee keer zo snel spraak genereren door tekst over te slaan
    • Audio comprimeren tot één geheel getal
    • Er wordt uitsluitend gebruik gemaakt van op regels gebaseerde signaalverwerking
  6. Waarom vergroot de hifi-verspreiding van TTS de behoefte aan waarborgen zoals watermerken?
    • Omdat het audiobestanden te groot maakt om op te slaan
    • Omdat realistisch zero-shot stemklonen duidelijke risico's met zich meebrengt voor misbruik en nabootsing van identiteit
    • Omdat het maar in één taal werkt
    • Omdat diffusiemodellen helemaal niet kunnen worden getraind
  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