FastSpeech ve Otoregresif Olmayan TTS Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. FastSpeech bağlamında 'otoregresif olmayan' ne anlama geliyor?
   • Tüm spektrogram çerçevelerini sıralı olarak değil paralel olarak oluşturur
   • Ses çerçevelerini sırayla birer birer oluşturur
   • Uzun cümleleri kaldıramaz
   • Eğitim verisi gerektirmez
2. FastSpeech, Tacotron 2 gibi otoregresif modellerin hangi sorununu özellikle ele alıyor?
   • Herhangi bir ses üretememe
   • Dikkat hatalarından dolayı yavaş üretim ve atlanan veya tekrarlanan kelimeler
   • İngilizce metin desteği eksikliği
   • Kuantum donanımı gerektiren
3. FastSpeech'te 'uzunluk düzenleyicinin' rolü nedir?
   • Son ses dosyasını sıkıştırır
   • Kayıtlardaki sessizliği ortadan kaldırır
   • Ses uzunluğunu eşleştirmek için her fonemin temsilini tahmin edilen süreye göre tekrarlar
   • Sesleri metne çevirir
4. Which additional speech variations does FastSpeech 2 condition on during training and inference?
   • Only speaker age and recording location
   • Video frames and subtitle color
   • A single fixed global loudness value
   • Pitch, energy, and duration information
5. FastSpeech'in çıkarım süresi neden cümle uzunluğu arttıkça zar zor artıyor?
   • Tüm çerçeveler sıralı olarak değil paralel olarak oluşturulur
   • Giriş metninin çoğunu yok sayar
   • Yalnızca bir saniyelik klipler üretir
   • Önceden kaydedilmiş cümlelerden oluşan bir arama tablosu kullanır
6. How does the length regulator use predicted durations in FastSpeech?
   • It selects the final audio codec
   • It expands phoneme-level representations to align with the target spectrogram length
   • It estimates the speaker’s identity from video
   • It converts text into a sequence of labels for translation
7. What is one tradeoff of non-autoregressive spectrogram generation?
   • It guarantees identical prosody to an autoregressive model
   • It removes the need for a waveform vocoder
   • Parallel output can be faster, but duration and speech variation must be modeled explicitly
   • It cannot accept text as input
8. What training target does FastSpeech 2 use instead of FastSpeech’s teacher-generated simplified outputs?
   • Only predicted durations with no acoustic target
   • A translated text transcript
   • The output of a GAN discriminator only
   • Ground-truth target speech representations