Викторина VITS по сквозному синтезу речи

Ответы и пояснения появляются по мере прохождения теста.

1. Что означает аббревиатура ВИТС?
   • Вариационный вывод с состязательным обучением для сквозного преобразования текста в речь
   • Система преобразования голосового вывода
   • Синтезатор временных рядов со встроенным вокодером
   • Синтез визуального ввода текста
2. В чем основное архитектурное отличие VITS от традиционных трубопроводов TTS?
   • VITS использует два отдельно обучаемых этапа.
   • VITS совместно обучает акустическую модель и вокодер, переходя от текста непосредственно к форме сигнала.
   • VITS требует ручной маркировки длительности фонем.
   • VITS выдает только мел-спектрограммы
3. Как VITS изучает выравнивание между текстовыми и звуковыми кадрами?
   • Предварительно обученный внешний принудительный выравниватель
   • Ручная аннотация лингвистов
   • Монотонный поиск выравнивания (MAS) во время обучения
   • Случайное задание, уточненное с помощью обучения с подкреплением
4. Почему VITS включает в себя стохастический предсказатель продолжительности?
   • Чтобы каждое высказывание было идентичным для обеспечения последовательности
   • Сжатие размера аудиофайла
   • Для перевода текста на другие языки
   • Создавать разнообразные, естественные ритмы речи для одного и того же текста.
5. Какой компонент обеспечивает реалистичное звучание звука на выходе VITS?
   • Дискриминатор в стиле GAN, использующий состязательное обучение
   • Модель вознаграждения за обучение с подкреплением
   • Фильтр обработки сигналов на основе правил
   • Модуль проверки правописания
6. Which cited system explicitly builds on VITS for zero-shot multispeaker and multilingual synthesis?
   • Быстрая речь 2
   • YourTTS
   • ВейвНет
   • A deterministic vocoder with no speaker conditioning
7. What does the normalizing-flow component contribute to VITS?
   • It replaces text-audio alignment with a speaker identity check
   • It guarantees identical duration for every spoken phrase
   • It increases the expressiveness of the latent prior distribution
   • It removes the waveform decoder from the model
8. Why does VITS use both variational inference and adversarial learning?
   • They make the model independent of text input
   • They guarantee every generated voice is a real speaker
   • They remove all duration variation
   • They support latent-variable modeling and realistic waveform generation