Викторина по моделированию просодии

Ответы и пояснения появляются по мере прохождения теста.

1. Какой набор признаков лучше всего описывает просодию в речи?
   • Высота тона, ритм, ударение и громкость
   • Словарный запас, грамматика и орфография
   • Качество микрофона и частота дискретизации
   • Количество слов и длина предложения
2. Что представляет собой основная частота (F0) при моделировании просодии?
   • Громкость записи
   • Скорость, с которой вибрируют голосовые связки, воспринимается как высота звука.
   • Количество фонем в секунду
   • Уровень фонового шума
3. Как FastSpeech 2 улучшил управление просодией по сравнению с более ранними моделями?
   • Была удалена вся информация о высоте звука, чтобы упростить обучение.
   • Он работал только с заранее записанной человеческой просодией.
   • Он явно предсказывает продолжительность, высоту звука и энергию как отдельные характеристики.
   • Он заменил нейронные сети анализом пунктуации на основе правил.
4. Почему предсказание просодии только по тексту считается проблемой «один ко многим»?
   • Потому что текст всегда длиннее звука
   • Потому что каждая буква соответствует ровно одному тону.
   • Потому что есть только один правильный способ прочитать любое предложение.
   • Потому что одно предложение можно произнести со многими правильными интонациями и ритмами.
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. Почему система TTS может использовать эталонный аудиоклип при генерации речи?
   • Чтобы скопировать точные слова, чтобы сказать
   • Чтобы установить определенный стиль речи или просодию для вывода
   • Чтобы уменьшить размер файла результата
   • Чтобы преобразовать текст на другой язык
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