引导式测验 · 中等 等级

FastPitch 音调可控 TTS 测验

了解 FastPitch 如何预测基频轮廓、编辑推理音高以及并行合成梅尔帧。

相关引导路径快速音调 音调可控 Tts
问题 1 的 8

FastPitch 为每个输入标记显式预测哪些额外信号？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. FastPitch 为每个输入标记显式预测哪些额外信号？
    • 基频（基频）
    • 说话人的性别
    • 背景噪音水平
    • 语言ID
  2. FastPitch 如何如此快速地生成梅尔谱图？
    • 通过一次传输一个样本的音频
    • 非自回归，在单个并行前向传递中
    • 通过从记录的数据库复制
    • 仅在单个 CPU 核心上运行
  3. How can a user change the intonation contour in FastPitch output without retraining?
    • 通过删除音素
    • 仅更改随机种子
    • 通过缩放或编辑预测音高值
    • 通过降低采样率
  4. 在训练期间，如何为每个标记分配音调目标？
    • 随机值
    • 音频的最大幅度
    • 仅第一帧的值
    • 代币持续时间内的平均基频
  5. What synthesis throughput did the FastPitch paper report for a typical utterance?
    • Over 900× real time for mel-spectrogram synthesis in the reported setup
    • About one second of audio per hour
    • Exactly 2× real time for waveform output
    • No measurement of synthesis speed
  6. 为什么每个标记的音调控制被描述为直观但粗糙？
    • 它预测每个音频样本的音高
    • 它预测每个符号的一个音调值，而不是每帧
    • 它完全忽略了音调
    • 它仅适用于一个扬声器
  7. Which earlier parallel TTS architecture is FastPitch based on?
    • 塔克特隆 2
    • 波形LM
    • FastSpeech
    • HiFi-GAN
  8. Besides pitch, what token-level signal helps FastPitch align text with output frames?
    • Speaker gender
    • Background noise level
    • Language identity only
    • Predicted token duration