Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra TTS FastSpeech và không tự động hồi quy

Kiểm tra việc tạo biểu đồ phổ song song, mở rộng thời lượng, điều chỉnh cường độ và năng lượng FastSpeech 2 cũng như sự cân bằng suy luận.

Đường dẫn hướng dẫn liên quanTts nói nhanh và không tự phát
Câu hỏi 1 của 8

'Không tự động hồi quy' nghĩa là gì trong bối cảnh của FastSpeech?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. 'Không tự động hồi quy' nghĩa là gì trong bối cảnh của FastSpeech?
    • Nó tạo ra tất cả các khung phổ song song thay vì tuần tự
    • Nó tạo ra các khung âm thanh một lần theo trình tự
    • Nó không thể xử lý các câu dài
    • Nó không yêu cầu dữ liệu đào tạo
  2. FastSpeech giải quyết cụ thể vấn đề nào của các mô hình tự hồi quy như Tacotron 2?
    • Không có khả năng tạo ra bất kỳ âm thanh nào
    • Tạo chậm và bỏ qua hoặc lặp lại các từ do lỗi chú ý
    • Thiếu hỗ trợ cho văn bản tiếng Anh
    • Yêu cầu phần cứng lượng tử
  3. Vai trò của 'bộ điều chỉnh độ dài' trong FastSpeech là gì?
    • Nó nén tập tin âm thanh cuối cùng
    • Nó loại bỏ sự im lặng khỏi bản ghi âm
    • Nó lặp lại cách trình bày của từng âm vị theo thời lượng dự đoán để phù hợp với độ dài âm thanh
    • Nó dịch âm vị thành văn bản
  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. Tại sao thời gian suy luận của FastSpeech hầu như không tăng theo độ dài câu?
    • Tất cả các khung được tạo song song thay vì tuần tự
    • Nó bỏ qua hầu hết văn bản đầu vào
    • Nó chỉ xuất ra các clip dài một giây
    • Nó sử dụng bảng tra cứu các câu đã ghi sẵn
  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