Quiz dotyczący generatywnego modelu dźwięku Bark

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Co odróżnia Bark od tradycyjnego silnika zamiany tekstu na mowę?
   • Może generować dźwięki niewerbalne, takie jak śmiech i muzyka, a nie tylko mowa
   • Wytwarza tylko czystą mowę robota
   • Wymaga nagranej próbki głosu dla każdego wyjścia
   • Konwertuje dźwięk na tekst
2. Kto wypuścił model Bark?
   • OpenAI
   • Suno
   • Google DeepMind
   • Meta
3. W jaki sposób Bark zasadniczo generuje dźwięk?
   • Łącząc ze sobą nagrane wcześniej fonemy
   • Poprzez zastosowanie filtrów do nagrania referencyjnego
   • Przewidując dyskretne tokeny audio autoregresywnie, podobnie jak model językowy
   • Renderując nuty MIDI
4. Jakiego kodeka neuronowego używa Bark do przekształcania tokenów w kształt fali?
   • MP3
   • FLAC
   • Sieć WaveNet
   • Kodek Meta
5. Dlaczego ten sam monit Barka może dawać za każdym razem inne wyniki?
   • Generowanie ma charakter probabilistyczny, więc każdy przebieg próbkuje inną sekwencję
   • Buforuje dane wyjściowe losowo
   • Zawsze pojawia się błąd przy powtarzających się monitach
   • To zależy od pory dnia
6. Jaka jest znana wada Barka w porównaniu z dedykowanymi systemami TTS?
   • Nie potrafi mówić w żadnym języku
   • Może wywoływać halucynacje dodatkowe dźwięki i jest mniej kontrolowany
   • Działa tylko w trybie offline
   • Generuje cichy dźwięk
7. What does Bark’s semantic-to-coarse stage produce?
   • A transcript of the generated waveform
   • A mel-spectrogram with no audio tokens
   • The first two EnCodec audio codebooks
   • An image embedding
8. How can a Bark prompt request a nonverbal event such as laughter?
   • Add an image mask to the audio tokens
   • Train a new EnCodec model for every cue
   • Convert the cue to a CSV file
   • Include a cue such as [laughs] in the text prompt