Gids-gekoppelde quiz · Moeilijk Niveau
VALL-E en Codec Taalmodellen Quiz
Bekijk de codec-token-taalmodelbenadering van VALL-E, de gefaseerde tokengeneratie en de omstandigheden achter de gerapporteerde stemresultaten.
Vraag 1 van 8
Welk kernidee onderscheidt VALL-E van eerdere tekst-naar-spraaksystemen?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welk kernidee onderscheidt VALL-E van eerdere tekst-naar-spraaksystemen?
- Het voorspelt neurale codec-tokens als een taalmodelleringstaak in plaats van een spectrogram te voorspellen
- Er wordt uitsluitend gebruik gemaakt van handgemaakte signaalverwerking
- Het vereist urenlang geluid van de doelspreker
- Het genereert tekst uit spraak
- Hoeveel referentieaudio heeft VALL-E nodig om de stem van een nieuwe spreker te klonen?
- Ongeveer een uur
- Ongeveer drie seconden
- Er is helemaal geen referentieaudio
- Ongeveer dertig minuten
- Welke neurale codec gebruikt VALL-E om zijn audiotokens te produceren?
- MP3
- Opus
- EnCodec
- WAV
- Waarom gebruikt VALL-E zowel een autoregressieve als een niet-autoregressieve fase?
- Om de toespraak in meerdere talen te vertalen
- Om muziek van spraak te scheiden
- Om de tekstinvoer te comprimeren
- Omdat codec-tokens gelaagd zijn, voorspelt het grove tokens opeenvolgend en fijne tokens parallel
- Op hoeveel spraakgegevens werd VALL-E ongeveer getraind, waardoor krachtig zero-shot klonen mogelijk werd?
- Ongeveer 60.000 uur
- Ongeveer 100 uur
- Ongeveer 1.000 uur
- Ongeveer 10 uur
- Wat kan VALL-E behalve de klankkleur nog meer behouden uit de korte referentieclip?
- Voor altijd de exacte woorden van de spreker
- De akoestische omgeving van de opname
- De video die erbij hoorde
- Het originele bestandsformaat
- 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
- 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