Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Mfano wa Sauti Yanayozalisha Gome

Elewa uzalishaji wa tokeni wa sauti kwa hatua wa Bark, avkodare yake ya muundo wa wimbi wa EnCodec, na jinsi viashiria vya maandishi vinaweza kuibua matamshi na sauti zisizo za maneno.

Njia za mwongozo zinazohusianaMfano wa Sauti ya Kuzalisha Gome
Swali 1 ya 8

Ni nini kinachofanya Gome kuwa tofauti na injini ya kitamaduni ya kubadilisha maandishi-hadi-hotuba?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Ni nini kinachofanya Gome kuwa tofauti na injini ya kitamaduni ya kubadilisha maandishi-hadi-hotuba?
    • Inaweza kutoa sauti zisizo za maneno kama vile vicheko na muziki, si tu hotuba
    • Inatoa tu hotuba safi ya roboti
    • Inahitaji sampuli ya sauti iliyorekodiwa kwa kila towe
    • Inabadilisha sauti kuwa maandishi
  2. Nani alitoa mfano wa Gome?
    • OpenAI
    • Suno
    • Google DeepMind
    • Meta
  3. Bark hutengenezaje sauti kimsingi?
    • Kwa kuunganisha pamoja fonimu zilizorekodiwa awali
    • Kwa kutumia vichujio kwenye rekodi ya marejeleo
    • Kwa kutabiri tokeni za sauti tofauti kiotomatiki kama modeli ya lugha
    • Kwa kutoa noti za MIDI
  4. Ni kodeki gani ya neva ambayo Bark hutumia kugeuza ishara kuwa muundo wa wimbi?
    • MP3
    • FLAC
    • WaveNet
    • EnCodeki ya Meta
  5. Kwa nini kidokezo sawa cha Gome kinaweza kutoa matokeo tofauti kila wakati?
    • Kizazi ni cha uwezekano, kwa hivyo kila sampuli huendesha mlolongo tofauti
    • Inahifadhi matokeo bila mpangilio
    • Hufanya makosa kila wakati unapoomba kurudia
    • Inategemea wakati wa siku
  6. Je, ni hasara gani inayojulikana ya Gome ikilinganishwa na mifumo iliyojitolea ya TTS?
    • Haiwezi kuzungumza lugha yoyote
    • Inaweza kushawishi sauti za ziada na haiwezi kudhibitiwa
    • Inafanya kazi nje ya mtandao pekee
    • Inazalisha sauti ya kimya
  7. What does Bark’s semantic-to-coarse stage produce?
    • A transcript of the generated waveform
    • A mel-spectrogram with no audio tokens
    • The first two EnCodec audio codebooks
    • An image embedding
  8. How can a Bark prompt request a nonverbal event such as laughter?
    • Add an image mask to the audio tokens
    • Train a new EnCodec model for every cue
    • Convert the cue to a CSV file
    • Include a cue such as [laughs] in the text prompt