แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการจัดตำแหน่ง Monotonic Glow-TTS

ตรวจสอบว่า Glow-TTS ใช้การค้นหาการจัดตำแหน่งแบบโมโนโทนิกและตัวทำนายระยะเวลาในการสังเคราะห์คำพูดแบบคู่ขนานโดยไม่ต้องใช้เครื่องมือจัดตำแหน่งภายนอก

เส้นทางแนะนำที่เกี่ยวข้องเรืองแสง Tts Monotonic Alignment
คำถาม 1 ของ 8

Glow-TTS มีเป้าหมายที่จะแก้ไขปัญหาอะไรเกี่ยวกับ TTS ที่เน้นความสนใจ

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. Glow-TTS มีเป้าหมายที่จะแก้ไขปัญหาอะไรเกี่ยวกับ TTS ที่เน้นความสนใจ
    • การข้ามหรือพูดซ้ำคำในประโยคยาวๆ
    • เสียงที่เบาเกินไป
    • ไม่สามารถใช้ GPU ได้
    • ขาดตัวเข้ารหัสข้อความ
  2. MAS ย่อมาจาก Glow-TTS ย่อมาจากอะไร?
    • การสังเคราะห์เสียงเมล
    • ค้นหาการจัดตำแหน่งแบบโมโนโทนิก
    • ระบบมัลติความสนใจ
    • เครื่องเก็บตัวอย่างเสียงแบบโมดูลาร์
  3. เหตุใดการจัดตำแหน่งจึงต้องเป็นแบบโมโนโทนิก
    • เพื่อให้เสียงที่ดังขึ้น
    • เพื่อลดขนาดไฟล์
    • เพราะข้อความจะอ่านตามลำดับจากซ้ายไปขวาเมื่อเวลาผ่านไป
    • เพื่อรองรับลำโพงหลายตัว
  4. Glow-TTS ใช้ตัวถอดรหัสประเภทใดในการสร้างแบบจำลองสเปกโตรแกรม
    • เครือข่ายความสนใจที่เกิดซ้ำ
    • ลักษณนามลักษณนาม
    • โมเดลภาษาของหม้อแปลงไฟฟ้า
    • การไหลที่เป็นมาตรฐาน
  5. ณ เวลาอนุมาน Glow-TTS จะตัดสินอย่างไรว่าแต่ละโทเค็นข้อความจะอยู่ได้นานแค่ไหน
    • ตัวทำนายระยะเวลาจะส่งออกจำนวนเฟรมต่อโทเค็น
    • มันรัน MAS อีกครั้งกับเสียง
    • มันเดาสุ่มๆ
    • มันใช้ไมโครโฟน
  6. อะไรคือข้อได้เปรียบในทางปฏิบัติของ Glow-TTS ที่ไม่ถอยอัตโนมัติ?
    • ไม่จำเป็นต้องป้อนข้อความ
    • สามารถสร้างเฟรมทั้งหมดพร้อมกันเพื่อการสังเคราะห์ที่รวดเร็ว
    • มันไม่สามารถควบคุมระดับเสียงได้
    • มันใช้งานได้แบบออฟไลน์เท่านั้น
  7. What does the surjective-alignment assumption mean in Glow-TTS?
    • Each speech frame maps to multiple languages
    • Some text tokens must be skipped
    • Every text token maps to at least one speech frame
    • The output audio has no frame sequence
  8. How does Glow-TTS find a likely alignment during training?
    • A human marks every phoneme-frame pair by hand
    • It randomly permutes the text tokens
    • A waveform classifier chooses a speaker identity
    • Dynamic programming searches for the most probable valid monotonic path