แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการสังเคราะห์อัตโนมัติแบบถอยหลังอัตโนมัติของ Tortoise TTS

ดูว่า Tortoise ผสมผสานโทเค็นคำพูดแบบถอยหลังอัตโนมัติ ตัวถอดรหัสการแพร่กระจาย และการเลือกผู้สมัครเพื่อการสังเคราะห์คุณภาพสูงได้อย่างไร

คำถาม 1 ของ 8

What does Tortoise’s autoregressive transformer do in the synthesis pipeline?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. What does Tortoise’s autoregressive transformer do in the synthesis pipeline?
    • Predicts speech tokens conditioned on text and speaker information
    • Measures the final waveform’s loudness only
    • Selects a license for the generated audio
    • Converts video frames into subtitles
  2. Tortoise สามารถทำอะไรได้บ้างจากคลิปอ้างอิงสั้นๆ เพียงไม่กี่คลิป?
    • ถอดเสียงเป็นข้อความ
    • โคลนเสียงเป้าหมายและอ่านข้อความที่กำหนดเอง
    • แปลภาษาเท่านั้น
    • ลบเสียงรบกวนพื้นหลัง
  3. ตระกูลโมเดลสองตระกูลใดที่มีอิทธิพลต่อการออกแบบของ Tortoise มากที่สุด
    • แผนผังการตัดสินใจและ SVM
    • ตารางหน่วยเสียงตามกฎและ HMM
    • หม้อแปลงไฟฟ้าแบบถดถอยและการแพร่กระจาย
    • ตัวกรองแบบ Convolutional เท่านั้น
  4. Tortoise เลือกระหว่างผู้สมัครที่สร้างขึ้นหลายรายการได้อย่างไร
    • มันเลือกอันแรก
    • มันจะเลือกอันที่สั้นที่สุดเสมอ
    • มันถามผู้ใช้
    • ใช้แบบจำลองการให้คะแนน CLVP เพื่อจัดอันดับเทียบกับข้อความ
  5. ใครเป็นผู้สร้าง Tortoise TTS
    • เจมส์ เบตเกอร์
    • เจฟฟรีย์ ฮินตัน
    • เอียน กู๊ดเฟลโลว์
    • อันเดรจ คาร์ปาธี
  6. สาเหตุหลักที่ทำให้เต่าค่อนข้างช้าคืออะไร?
    • มันดาวน์โหลดเสียงจากคลาวด์ในแต่ละครั้ง
    • โดยให้ความสำคัญกับคุณภาพ การสุ่มตัวอย่าง และการปรับแต่งผู้สมัครจำนวนมาก
    • มันทำงานบน CPU เท่านั้น
    • มันบีบอัดเสียงซ้ำๆ
  7. What can Tortoise’s random voice option generate without a supplied reference speaker?
    • A verified recording of a specific real person
    • A translation of an existing speaker’s legal identity
    • A synthetic voice selected by the model
    • A speaker embedding from a missing audio file
  8. How does Tortoise package reference-voice conditioning for reuse?
    • It stores only a text transcript
    • It saves the voice as a LoRA for an image model
    • It records the speaker’s legal name in the waveform
    • It stores autoregressive and diffusion conditioning latents