Quiz dotyczący modelowania prozodycznego

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Który zestaw cech najlepiej opisuje prozodię w mowie?
   • Wysokość, rytm, akcent i głośność
   • Słownictwo, gramatyka i ortografia
   • Jakość mikrofonu i częstotliwość próbkowania
   • Liczba słów i długość zdania
2. Co w modelowaniu prozodii reprezentuje częstotliwość podstawowa (F0)?
   • Głośność nagrania
   • Szybkość wibracji fałdów głosowych, postrzegana jako wysokość
   • Liczba fonemów na sekundę
   • Poziom hałasu w tle
3. W jaki sposób FastSpeech 2 poprawił kontrolę prozodii w porównaniu z wcześniejszymi modelami?
   • Usunięto wszystkie informacje o boisku, aby uprościć szkolenie
   • Działało tylko z nagraną wcześniej prozodią ludzką
   • Wyraźnie przewiduje czas trwania, wysokość i energię jako osobne cechy
   • Zastąpił sieci neuronowe analizą interpunkcji opartą na regułach
4. Dlaczego przewidywanie prozodii na podstawie samego tekstu jest uważane za problem typu jeden do wielu?
   • Ponieważ tekst jest zawsze dłuższy niż dźwięk
   • Ponieważ każda litera odpowiada dokładnie jednemu tonowi
   • Ponieważ istnieje tylko jeden prawidłowy sposób odczytania dowolnego zdania
   • Ponieważ jedno zdanie można wypowiedzieć z wieloma prawidłowymi intonacjami i rytmami
5. In a corpus of 410 naturally occurring American-English yes/no questions, which nuclear contour was most frequent?
   • A low-rise contour, L*H-H%
   • Always a high plateau
   • Always a flat contour
   • A fall in every question
6. Dlaczego system TTS może używać referencyjnego klipu audio podczas generowania mowy?
   • Aby skopiować dokładne słowa do powiedzenia
   • Aby ustawić konkretny styl mówienia lub prozodię dla wyjścia
   • Aby zmniejszyć rozmiar pliku wynikowego
   • Aby przekonwertować tekst na inny język
7. What can shifting contrastive stress change in an otherwise identical sentence?
   • The spelling of every word
   • The speaker’s vocal-fold anatomy
   • Which person, action or detail the speaker presents as the focus
   • The number of phonemes in the sentence
8. Why can punctuation alone be insufficient for choosing natural prosody?
   • Punctuation determines the exact vocal identity
   • Text contains no words or syntax
   • All sentences have one possible spoken contour
   • The intended emphasis and phrasing can depend on surrounding discourse