Quiz o Tacotronie 2

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaką pośrednią reprezentację Tacotron 2 przewiduje na podstawie tekstu?
   • Spektrogram melowy
   • Obraz JPEG
   • Tylko fonemy w formacie surowego tekstu
   • Plik MIDI
2. Co przekształca spektrogram Tacotron 2 w rzeczywisty kształt fali?
   • Sprawdzanie pisowni
   • Zmodyfikowany wokoder WaveNet
   • Wyszukiwarka
   • Splotowy klasyfikator obrazu
3. Jakiemu problemowi pomaga uwaga wrażliwa na lokalizację?
   • Przegrzanie procesora graficznego
   • Utrata połączenia internetowego
   • Powtarzające się lub pomijane słowa podczas syntezy
   • Błędy ortograficzne we wprowadzanym tekście
4. How does Tacotron 2 determine that it has generated the end of an utterance?
   • A human must press a button for every utterance
   • It always generates a fixed number of frames
   • The vocoder detects silence and interrupts the decoder
   • A learned stop-token prediction signals the decoder to stop
5. Z jakiego ogólnego stylu architektury korzysta część przekształcająca tekst na spektrogram?
   • Sekwencja po sekwencji z uwagą
   • Prosta tabela przeglądowa
   • Drzewo decyzyjne
   • Statyczny zestaw reguł
6. Który z późniejszych modeli jest szybszym, nieautoregresywnym następcą duchowym Tacotronu 2?
   • ResNet
   • Szybka mowa 2
   • BERT
   • AlexNet
7. What does the post-net in Tacotron 2 refine?
   • The input text spelling
   • The speaker’s identity metadata
   • The predicted mel-spectrogram
   • The final transcript punctuation
8. What does FastSpeech 2 add as conditioning information for speech variation?
   • A video soundtrack transcript only
   • A random microphone serial number
   • A mandatory image embedding
   • Pitch, energy, and more accurate duration information