Вікторина, пов’язана з посібником · важко Рівень

Вікторина VALL-E та моделі мови кодеків

Ознайомтеся з підходом VALL-E до мовної моделі кодеків-токенів, його поетапною генерацією маркерів і умовами, що лежать в основі його повідомлених голосових результатів.

Пов'язані напрямні шляхиVall E та моделі мови кодеків
Питання 1 з 8

Яка основна ідея відрізняє VALL-E від попередніх систем синтезу мовлення з тексту?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яка основна ідея відрізняє VALL-E від попередніх систем синтезу мовлення з тексту?
    • Він передбачає токени нейронних кодеків як завдання моделювання мови замість прогнозування спектрограми
    • Він використовує лише ручну обробку сигналу
    • Це вимагає годин аудіо від цільового динаміка
    • Він створює текст із мови
  2. Скільки еталонного аудіо потрібно VALL-E, щоб клонувати голос нового оратора?
    • Близько години
    • Близько трьох секунд
    • Взагалі немає еталонного аудіо
    • Близько тридцяти хвилин
  3. Який нейронний кодек використовує VALL-E для створення своїх аудіотокенів?
    • MP3
    • Опус
    • EnCodec
    • WAV
  4. Чому VALL-E використовує як авторегресійний, так і неавторегресійний етап?
    • Для перекладу мови кількома мовами
    • Щоб відокремити музику від мови
    • Щоб стиснути введений текст
    • Оскільки токени кодеків є багаторівневими, він передбачає послідовне грубе токени та паралельне дрібне токени
  5. Приблизно на якому обсязі мовних даних було навчено VALL-E, що забезпечило ефективне клонування з нульовим ударом?
    • Близько 60 000 годин
    • Близько 100 годин
    • Близько 1000 годин
    • Близько 10 годин
  6. Крім тембру, що ще VALL-E може зберегти з короткого еталонного кліпу?
    • Точні слова спікера назавжди
    • Акустичне середовище запису
    • Відео, яке його супроводжувало
    • Оригінальний формат файлу
  7. What does VALL-E condition on to imitate a target speaker in its demonstration setup?
    • A photograph and a written biography only
    • A long labeled transcript from every target-speaker recording
    • A short audio prompt from that speaker plus the text to speak
    • A speaker ID with no audio example
  8. What text representation does the VALL-E paper use as input to its text-to-code model?
    • A raw waveform of the target utterance
    • A speaker’s face embedding
    • A list of MIDI notes
    • A phoneme sequence