Викторина FastPitch TTS с регулируемой высотой тона

Ответы и пояснения появляются по мере прохождения теста.

1. Какой дополнительный сигнал FastPitch явно прогнозирует для каждого входного токена?
   • Высота тона (основная частота)
   • Пол говорящего
   • Уровень фонового шума
   • Идентификатор языка
2. Как FastPitch так быстро генерирует мел-спектрограмму?
   • Потоковая передача звука по одному сэмплу за раз
   • Неавторегрессивно, за один параллельный проход вперед.
   • Путем копирования из записанной базы данных
   • Работая только на одном ядре ЦП
3. How can a user change the intonation contour in FastPitch output without retraining?
   • Удалением фонем
   • Изменяя только случайное начальное число
   • Путем масштабирования или редактирования прогнозируемых значений шага.
   • За счет снижения частоты дискретизации
4. Как во время обучения назначается целевая презентация для каждого токена?
   • Случайное значение
   • Максимальная амплитуда звука
   • Только значение первого кадра
   • Средняя основная частота за время существования токена
5. What synthesis throughput did the FastPitch paper report for a typical utterance?
   • Over 900× real time for mel-spectrogram synthesis in the reported setup
   • About one second of audio per hour
   • Exactly 2× real time for waveform output
   • No measurement of synthesis speed
6. Почему управление шагом для каждого токена описывается как интуитивное, но грубое?
   • Он прогнозирует высоту звука для каждого аудиообразца.
   • Он прогнозирует одно значение шага для каждого символа, а не для каждого кадра.
   • Он полностью игнорирует высоту звука
   • Работает только для одного динамика
7. Which earlier parallel TTS architecture is FastPitch based on?
   • Такотрон 2
   • WavLM
   • FastSpeech
   • HiFi-ГАН
8. Besides pitch, what token-level signal helps FastPitch align text with output frames?
   • Speaker gender
   • Background noise level
   • Language identity only
   • Predicted token duration