แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการแพร่กระจายสไตล์ StyleTTS 2

ทดสอบว่า StyleTTS 2 จำลองลักษณะคำพูด ฝึกฝนผู้แยกแยะภาษาพูด และดำเนินการกับชุดการประเมินที่รายงานอย่างไร

เส้นทางแนะนำที่เกี่ยวข้องStyletts 2 สไตล์การแพร่กระจาย
คำถาม 1 ของ 8

StyleTTS 2 เป็นโมเดลอะไรที่ใช้กระบวนการแพร่กระจาย

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. StyleTTS 2 เป็นโมเดลอะไรที่ใช้กระบวนการแพร่กระจาย
    • 'เวกเตอร์สไตล์' ที่แฝงอยู่ในการควบคุมฉันทลักษณ์และเสียงต่ำ
    • ตัวอย่างรูปคลื่นเสียงดิบตามตัวอย่าง
    • สำเนาข้อความของคำพูด
    • การตอบสนองการได้ยินของผู้ฟัง
  2. โมเดลคำพูดที่ได้รับการฝึกล่วงหน้าใดที่ใช้เป็นตัวแบ่งแยกฝ่ายตรงข้ามใน StyleTTS 2
    • เรสเน็ต-50
    • WavLM
    • เบิร์ต
    • คลิป
  3. เหตุใด StyleTTS 2 จึงพูดประโยคเดียวกันได้ด้วยวิธีธรรมชาติหลายประการ
    • มันสุ่มทำให้ข้อความอินพุตเสียหาย
    • โดยจะใช้โมเดลภาษาที่แตกต่างกันในแต่ละครั้ง
    • สไตล์จะถูกสุ่มตัวอย่างจากการแจกแจงมากกว่าแบบคงที่
    • มันเปลี่ยนการสะกดหน่วยเสียง
  4. ผู้เขียน StyleTTS 2 รายงานอะไรเกี่ยวกับการประเมินการฟัง LJSpeech
    • มันมีประสิทธิภาพเหนือกว่ามนุษย์ในทุกภาษาและชุดข้อมูล
    • ไม่มีผู้ฟังประเมินตัวอย่าง
    • มีการทดสอบเฉพาะเพลงเท่านั้น
    • ผู้ฟังที่เป็นเจ้าของภาษาให้คะแนนตัวอย่างเสียงมากกว่าเสียงบันทึกของมนุษย์ในการศึกษาครั้งนั้น
  5. การฝึกอบรม 'จากต้นทางถึงปลายทาง' ให้อะไรแก่ StyleTTS 2
    • การไล่ระดับสีจะไหลจากคุณภาพของรูปคลื่นกลับมาตลอดไปป์ไลน์
    • ไม่จำเป็นต้องป้อนข้อความเลย
    • มันฝึกเฉพาะผู้พูดแยกกันเท่านั้น
    • โดยจะขจัดความจำเป็นในการใช้โครงข่ายประสาทเทียมใดๆ
  6. การสุ่มตัวอย่างเวกเตอร์สไตล์ต่างๆ สามารถทำอะไรกับข้อความเดียวกันได้
    • เปลี่ยนข้อความถอดเสียงเป็นภาษาอื่นโดยอัตโนมัติ
    • สร้างการรับรู้ฉันทลักษณ์ที่แตกต่างกันของเนื้อหาที่เขียน
    • รับประกันว่าทุกการแสดงจะฟังดูเป็นมนุษย์
    • ขจัดความจำเป็นในการสังเคราะห์เสียงพูด
  7. การสังเคราะห์ StyleTTS 2 ธรรมดาต้องใช้อินพุตเสียงใดในการสุ่มตัวอย่างสไตล์
    • จำเป็นต้องมีคลิปอ้างอิงความยาวสามวินาทีเสมอ
    • ผู้ฟังที่เป็นมนุษย์จะต้องพูดประโยคก่อน
    • ไม่จำเป็นต้องมีคำพูดอ้างอิง มันสามารถสร้างสไตล์จากโมเดลที่มีเงื่อนไขข้อความ
    • สำเนาบันทึกของผู้บรรยายอบรมทุกคน
  8. เอกสาร StyleTTS 2 รายงานผลลัพธ์สำหรับการปรับลำโพงแบบ Zero-shot บนชุดข้อมูลใด
    • อิมเมจเน็ต
    • โคโค่
    • MUSDB18
    • LibriTTS