引導式測驗 · 中等 等級
Bark 產生音訊模型測驗
了解 Bark 的分階段音訊令牌產生、EnCodec 波形解碼器,以及文字提示如何引發語音和非語言聲音。
問題 1 的 8
Bark 與傳統文字轉語音引擎有何不同?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- Bark 與傳統文字轉語音引擎有何不同?
- 它可以產生非語言的聲音,如笑聲和音樂,而不僅僅是語音
- 它只會輸出乾淨的機器人語音
- 每個輸出都需要錄製語音樣本
- 它將音訊轉換為文字
- 誰發布了 Bark 模型?
- OpenAI
- Suno
- Google DeepMind
- Meta
- Bark 根本上是如何產生音訊的?
- 透過將預先錄製的音素拼接在一起
- 透過將濾鏡應用於參考錄音
- 透過像語言模型一樣自回歸預測離散音訊標記
- 透過渲染 MIDI 音符
- Bark 使用什麼神經編解碼器將標記轉換為波形?
- MP3
- FLAC
- 波網
- Meta 的編碼解碼器
- 為什麼相同的 Bark 提示每次都會產生不同的結果?
- 生成是機率性的,因此每次運行都會採樣不同的序列
- 它隨機緩存輸出
- 重複提示時總是出錯
- 這取決於一天中的時間
- 與專用 TTS 系統相比,Bark 的已知缺點是什麼?
- 它不會說任何語言
- 它可以產生額外的聲音並且難以控制
- 它只能離線工作
- 它產生無聲的音頻
- What does Bark’s semantic-to-coarse stage produce?
- A transcript of the generated waveform
- A mel-spectrogram with no audio tokens
- The first two EnCodec audio codebooks
- An image embedding
- How can a Bark prompt request a nonverbal event such as laughter?
- Add an image mask to the audio tokens
- Train a new EnCodec model for every cue
- Convert the cue to a CSV file
- Include a cue such as [laughs] in the text prompt