Quiz dotyczący monotonicznego wyrównania Glow-TTS

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaki problem z TTS opartym na uwadze ma na celu rozwiązać Glow-TTS?
   • Pomijanie lub powtarzanie słów w długich zdaniach
   • Dźwięk, który jest zbyt cichy
   • Niemożność użycia procesora graficznego
   • Brak kodera tekstu
2. Co oznacza MAS w Glow-TTS?
   • Synteza Mel Audio
   • Monotoniczne wyszukiwanie wyrównania
   • System wielouwagi
   • Modułowy sampler akustyczny
3. Dlaczego wyrównanie musi być monotoniczne?
   • Aby dźwięk był głośniejszy
   • Aby zmniejszyć rozmiar pliku
   • Ponieważ z biegiem czasu tekst jest czytany w kolejności od lewej do prawej
   • Do obsługi wielu głośników
4. Jakiego typu dekodera używa Glow-TTS do modelowania spektrogramów?
   • Powtarzająca się sieć uwagi
   • Klasyfikator splotowy
   • Model języka transformatorowego
   • Normalizujący przepływ
5. W jaki sposób w momencie wnioskowania Glow-TTS decyduje o tym, jak długo będzie ważny każdy token tekstowy?
   • Predyktor czasu trwania podaje liczbę ramek na token
   • Ponownie uruchamia MAS na audio
   • Zgaduje losowo
   • Wykorzystuje mikrofon
6. Jaka jest praktyczna zaleta braku autoregresji Glow-TTS?
   • Nie wymaga wprowadzania tekstu
   • Może generować wszystkie ramki równolegle w celu szybkiej syntezy
   • Nie może kontrolować wysokości dźwięku
   • Działa tylko w trybie offline
7. What does the surjective-alignment assumption mean in Glow-TTS?
   • Each speech frame maps to multiple languages
   • Some text tokens must be skipped
   • Every text token maps to at least one speech frame
   • The output audio has no frame sequence
8. How does Glow-TTS find a likely alignment during training?
   • A human marks every phoneme-frame pair by hand
   • It randomly permutes the text tokens
   • A waveform classifier chooses a speaker identity
   • Dynamic programming searches for the most probable valid monotonic path