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.

Gerelateerde gidspadenVall E- en Codec-taalmodellen
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.

  1. 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
  2. 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
  3. Welke neurale codec gebruikt VALL-E om zijn audiotokens te produceren?
    • MP3
    • Opus
    • EnCodec
    • WAV
  4. 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
  5. 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
  6. 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
  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