引导式测验 · 中等 等级

FastSpeech 和非自回归 TTS 测验

检查并行频谱图生成、持续时间扩展、FastSpeech 2 音调和能量调节以及推理权衡。

相关引导路径快速语音和非自回归 Tts
问题 1 的 8

在 FastSpeech 上下文中“非自回归”是什么意思？

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. 在 FastSpeech 上下文中“非自回归”是什么意思？
    • 它并行而不是顺序生成所有频谱图帧
    • 它按顺序一次生成一个音频帧
    • 它无法处理长句子
    • 它不需要训练数据
  2. FastSpeech 具体解决了 Tacotron 2 这样的自回归模型的哪些问题？
    • 无法产生任何音频
    • 生成缓慢，由于注意力错误而跳过或重复单词
    • 缺乏对英文文本的支持
    • 需要量子硬件
  3. FastSpeech 中“长度调节器”的作用是什么？
    • 它压缩最终的音频文件
    • 它消除了录音中的静音
    • 它根据预测的持续时间重复每个音素的表示以匹配音频长度
    • 它将音素翻译成文本
  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. 为什么 FastSpeech 的推理时间几乎不随句子长度增长？
    • 所有帧都是并行生成的，而不是顺序生成的
    • 它忽略大部分输入文本
    • 它只输出一秒的剪辑
    • 它使用预先录制的句子的查找表
  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