VALL-E اور کوڈیک لینگویج ماڈلز کوئز

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

1. کون سا بنیادی خیال VALL-E کو پہلے کے ٹیکسٹ ٹو اسپیچ سسٹمز سے ممتاز کرتا ہے؟
   • یہ عصبی کوڈیک ٹوکنز کی پیشن گوئی اسپیکٹروگرام کی پیش گوئی کرنے کے بجائے لینگویج ماڈلنگ کے کام کے طور پر کرتا ہے۔
   • یہ صرف ہاتھ سے تیار کردہ سگنل پروسیسنگ کا استعمال کرتا ہے۔
   • یہ ہدف اسپیکر سے آڈیو کے گھنٹے کی ضرورت ہے
   • یہ تقریر سے متن تیار کرتا ہے۔
2. VALL-E کو نئے اسپیکر کی آواز کو کلون کرنے کے لیے کتنے حوالہ آڈیو کی ضرورت ہے؟
   • تقریباً ایک گھنٹہ
   • تقریباً تین سیکنڈ
   • کوئی حوالہ آڈیو بالکل نہیں۔
   • تقریباً تیس منٹ
3. VALL-E اپنے آڈیو ٹوکن بنانے کے لیے کون سا نیورل کوڈیک استعمال کرتا ہے؟
   • MP3
   • اوپس
   • EnCodec
   • ڈبلیو اے وی
4. VALL-E خود بخود اور خود بخود دونوں مرحلے کیوں استعمال کرتا ہے؟
   • تقریر کا متعدد زبانوں میں ترجمہ کرنا
   • موسیقی کو تقریر سے الگ کرنا
   • ٹیکسٹ ان پٹ کو کمپریس کرنے کے لیے
   • چونکہ کوڈیک ٹوکن تہہ دار ہیں، اس لیے یہ موٹے ٹوکن کی ترتیب وار اور متوازی طور پر ٹھیک ٹوکن کی پیش گوئی کرتا ہے۔
5. VALL-E کو تقریباً کتنے اسپیچ ڈیٹا پر تربیت دی گئی تھی، جس سے مضبوط صفر شاٹ کلوننگ ممکن ہو؟
   • تقریباً 60,000 گھنٹے
   • تقریباً 100 گھنٹے
   • تقریباً 1,000 گھنٹے
   • تقریباً 10 گھنٹے
6. ٹمبر کے علاوہ، VALL-E مختصر حوالہ کلپ سے اور کیا بچا سکتا ہے؟
   • ہمیشہ کے لیے مقرر کے عین مطابق الفاظ
   • ریکارڈنگ کا صوتی ماحول
   • اس کے ساتھ موجود ویڈیو
   • اصل فائل کی شکل
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