گائیڈ سے منسلک کوئز · درمیانہ سطح

اسٹائل ٹی ٹی ایس 2 اسٹائل ڈفیوژن کوئز

جانچیں کہ کس طرح StyleTTS 2 تقریر کے انداز کو ماڈل بناتا ہے، تقریری زبان کے امتیاز کرنے والوں کے ساتھ تربیت کرتا ہے، اور رپورٹ شدہ تشخیصی سیٹوں پر کارکردگی کا مظاہرہ کرتا ہے۔

متعلقہ گائیڈ کے راستےاسٹائلٹس 2 اسٹائل ڈفیوژن
سوال 1 کی 8

اسٹائل ٹی ٹی ایس 2 ماڈل ایک بازی کے عمل کا استعمال کرتے ہوئے کیا کرتا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. اسٹائل ٹی ٹی ایس 2 ماڈل ایک بازی کے عمل کا استعمال کرتے ہوئے کیا کرتا ہے؟
    • ایک اویکت 'اسٹائل ویکٹر' پرسوڈی اور ٹمبر کو کنٹرول کرتا ہے۔
    • نمونے کے لحاظ سے خام آڈیو ویوفارم کا نمونہ
    • تقریر کا متن نقل
    • سننے والے کی سماعت کا جواب
  2. اسٹائل ٹی ٹی ایس 2 میں کون سا پہلے سے تربیت یافتہ اسپیچ ماڈل کو ایک مخالف امتیازی سلوک کے طور پر استعمال کیا جاتا ہے؟
    • ResNet-50
    • ویو ایل ایم
    • بی آر ٹی
    • کلپ
  3. StyleTTS 2 ایک ہی جملے کو بہت سے قدرتی طریقوں سے کیوں کہہ سکتا ہے؟
    • یہ تصادفی طور پر ان پٹ ٹیکسٹ کو کرپٹ کرتا ہے۔
    • یہ ہر بار مختلف زبان کا ماڈل استعمال کرتا ہے۔
    • انداز مقررہ کے بجائے تقسیم سے نمونہ کیا جاتا ہے۔
    • یہ فونیم کے ہجے کو تبدیل کرتا ہے۔
  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. 'اختتام سے آخر تک' ٹریننگ اسٹائل ٹی ٹی ایس 2 کو کیا دیتی ہے؟
    • گریڈیئنٹس ویوفارم کوالٹی سے واپس پوری پائپ لائن میں بہتے ہیں۔
    • اسے کسی بھی ٹیکسٹ ان پٹ کی ضرورت نہیں ہے۔
    • یہ صرف ووکوڈر کو الگ سے تربیت دیتا ہے۔
    • یہ کسی بھی اعصابی نیٹ ورک کی ضرورت کو دور کرتا ہے۔
  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?
    • امیج نیٹ
    • کوکو
    • MUSDB18
    • LibriTTS