Questionário vinculado ao guia · Médio Nível

Questionário de difusão de estilo StyleTTS 2

Teste como o StyleTTS 2 modela o estilo de fala, treina com discriminadores de linguagem de fala e atua em conjuntos de avaliação relatados.

Caminhos de guia relacionadosDifusão de estilo Styletts 2
Pergunta 1 de 8

O que o StyleTTS 2 modela usando um processo de difusão?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que o StyleTTS 2 modela usando um processo de difusão?
    • Um 'vetor de estilo' latente controlando a prosódia e o timbre
    • A forma de onda de áudio bruta, amostra por amostra
    • A transcrição do texto do discurso
    • A resposta auditiva do ouvinte
  2. Qual modelo de fala pré-treinado é usado como discriminador adversário no StyleTTS 2?
    • ResNet-50
    • WavLM
    • BERTO
    • GRAMPO
  3. Por que o StyleTTS 2 pode dizer a mesma frase de muitas maneiras naturais?
    • Corrompe aleatoriamente o texto de entrada
    • Ele usa um modelo de linguagem diferente a cada vez
    • O estilo é amostrado a partir de uma distribuição em vez de fixo
    • Muda a grafia do fonema
  4. What did the StyleTTS 2 authors report on the LJSpeech listening evaluation?
    • It outperformed humans on every language and dataset
    • No listeners evaluated the samples
    • It was tested only on music
    • Native English listeners rated its samples above the human recordings in that study
  5. O que o treinamento 'ponta a ponta' oferece ao StyleTTS 2?
    • Os gradientes fluem da qualidade da forma de onda de volta por todo o pipeline
    • Não precisa de entrada de texto
    • Ele apenas treina o vocoder separadamente
    • Elimina a necessidade de qualquer rede neural
  6. What can sampling different style vectors do for the same text?
    • Change the transcript into a different language automatically
    • Produce different prosodic realizations of the written content
    • Guarantee every rendition sounds human
    • Remove the need for speech synthesis
  7. What speech input does ordinary StyleTTS 2 synthesis require to sample a style?
    • A three-second reference clip is always required
    • A human listener must speak the sentence first
    • No reference speech is required; it can generate style from the text-conditioned model
    • A transcript of every training speaker
  8. On which dataset did the StyleTTS 2 paper report results for zero-shot speaker adaptation?
    • ImageNet
    • COCO
    • MUSDB18
    • LibriTTS