แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบโมเดลเสียง Bark Generative

ทำความเข้าใจการสร้างโทเค็นเสียงแบบจัดฉากของ Bark ตัวถอดรหัสรูปคลื่น EnCodec และวิธีที่คิวข้อความสามารถกระตุ้นคำพูดและเสียงอวัจนภาษา

เส้นทางแนะนำที่เกี่ยวข้องโมเดลเสียง Bark Generative
คำถาม 1 ของ 8

อะไรทำให้ Bark แตกต่างจากเครื่องมืออ่านออกเสียงข้อความแบบเดิม

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อะไรทำให้ Bark แตกต่างจากเครื่องมืออ่านออกเสียงข้อความแบบเดิม
    • มันสามารถสร้างเสียงที่ไม่ใช่คำพูด เช่น เสียงหัวเราะและเสียงดนตรี ไม่ใช่แค่คำพูดเท่านั้น
    • มันส่งสัญญาณเสียงพูดของหุ่นยนต์ที่สะอาดเท่านั้น
    • ต้องมีตัวอย่างเสียงที่บันทึกไว้สำหรับทุกเอาต์พุต
    • มันแปลงเสียงเป็นข้อความ
  2. ใครเป็นคนปล่อยโมเดล Bark?
    • OpenAI
    • Suno
    • Google ดีพมายด์
    • Meta
  3. Bark สร้างเสียงโดยพื้นฐานได้อย่างไร?
    • โดยการต่อหน่วยเสียงที่บันทึกไว้ล่วงหน้าเข้าด้วยกัน
    • โดยการใช้ตัวกรองกับการบันทึกอ้างอิง
    • โดยการทำนายโทเค็นเสียงแบบแยกส่วนแบบถดถอยอัตโนมัติเหมือนกับโมเดลภาษา
    • โดยการแสดงบันทึก MIDI
  4. Bark ใช้ตัวแปลงสัญญาณประสาทใดในการเปลี่ยนโทเค็นให้เป็นรูปคลื่น
    • เอ็มพี3
    • แฟลค
    • เวฟเน็ต
    • การเข้ารหัสของ Meta
  5. เหตุใด Bark prompt เดียวกันจึงให้ผลลัพธ์ที่แตกต่างกันในแต่ละครั้ง
    • การสร้างมีความน่าจะเป็น ดังนั้นการรันแต่ละครั้งจะมีตัวอย่างลำดับที่แตกต่างกัน
    • มันแคชผลลัพธ์แบบสุ่ม
    • มันผิดพลาดเสมอเมื่อแจ้งซ้ำ
    • ขึ้นอยู่กับช่วงเวลาของวัน
  6. อะไรคือข้อเสียเปรียบที่ทราบของ Bark เมื่อเปรียบเทียบกับระบบ TTS เฉพาะ?
    • มันไม่สามารถพูดภาษาใดๆได้
    • อาจทำให้เกิดภาพหลอนจากเสียงพิเศษและควบคุมได้น้อย
    • มันใช้งานได้แบบออฟไลน์เท่านั้น
    • มันผลิตเสียงเงียบ
  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