StyleTTS 2 Вікторина про поширення стилю

Відповіді та пояснення з’являються під час виконання тесту.

1. Що моделює StyleTTS 2 за допомогою процесу дифузії?
   • Прихований «вектор стилю», який контролює просодію та тембр
   • Необроблений аудіосигнал за зразком
   • Текст стенограми виступу
   • Слухова реакція слухача
2. Яка попередньо навчена модель мовлення використовується як дискримінатор змагальності в StyleTTS 2?
   • ResNet-50
   • WavLM
   • БЕРТ
   • CLIP
3. Чому StyleTTS 2 може сказати те саме речення багатьма природними способами?
   • Це випадково спотворює введений текст
   • Щоразу він використовує іншу мовну модель
   • Стиль взято з розповсюдження, а не фіксовано
   • Це змінює написання фонем
4. What did the StyleTTS 2 authors report on the LJSpeech listening evaluation?
   • It outperformed humans on every language and dataset
   • No listeners evaluated the samples
   • It was tested only on music
   • Native English listeners rated its samples above the human recordings in that study
5. Що дає «наскрізне» навчання StyleTTS 2?
   • Градієнти переходять від якості сигналу назад через увесь конвеєр
   • Він взагалі не потребує введення тексту
   • Він лише окремо навчає вокодер
   • Це усуває потребу в будь-якій нейронній мережі
6. What can sampling different style vectors do for the same text?
   • Change the transcript into a different language automatically
   • Produce different prosodic realizations of the written content
   • Guarantee every rendition sounds human
   • Remove the need for speech synthesis
7. What speech input does ordinary StyleTTS 2 synthesis require to sample a style?
   • A three-second reference clip is always required
   • A human listener must speak the sentence first
   • No reference speech is required; it can generate style from the text-conditioned model
   • A transcript of every training speaker
8. On which dataset did the StyleTTS 2 paper report results for zero-shot speaker adaptation?
   • ImageNet
   • COCO
   • MUSDB18
   • LibriTTS