引導式測驗 · 中等 等級

VITS 端對端語音合成測驗

解釋 VITS 潛在變數建模、單調對齊、隨機持續時間、波形生成和對抗性訓練。

相關引導路徑Vits 端對端語音合成
問題 1 的 8

縮寫 VITS 代表什麼?

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。

  1. 縮寫 VITS 代表什麼?
    • 端對端文本到語音的變分推理和對抗性學習
    • 語音推理變壓器系統
    • 聲碼器整合時間序列合成器
    • 視覺輸入文字合成
  2. VITS 和傳統 TTS 管道在架構上的主要差異是什麼?
    • VITS 使用兩個單獨訓練的階段
    • VITS 聯合訓練聲學模型和聲碼器,從文字直接到波形
    • VITS 需要手動標記音素持續時間
    • VITS 僅輸出梅爾譜圖
  3. VITS 如何學習文字和音訊框架之間的對齊方式?
    • 預訓練的外部強制對準器
    • 語言學家手動註釋
    • 訓練期間的單調對齊搜尋 (MAS)
    • 透過強化學習改進的隨機分配
  4. 為什麼 VITS 包含隨機持續時間預測器?
    • 使每句話都相同以保持一致性
    • 壓縮音訊檔案大小
    • 將文字翻譯成其他語言
    • 為同一文本產生不同的、自然的說話節奏
  5. 哪個組件將 VITS 輸出推向聽起來逼真的音訊?
    • 使用對抗性訓練的 GAN 式判別器
    • 強化學習獎勵模型
    • 基於規則的訊號處理濾波器
    • 拼字檢查模組
  6. 哪個被引用的系統明確在 VITS 基礎上構建,用於零樣本多說話者與多語言合成?
    • 快語2
    • YourTTS
    • 波網
    • 一個沒有說話者條件化的確定性聲碼器
  7. 正規化流元件對 VITS 有什麼貢獻?
    • 它以說話者身份檢查取代文字與音訊的對齊
    • 它保證每個說話片段的時長相同
    • 它提升潛在先驗分布的表現力
    • 它將波形解碼器從模型中移除
  8. 為什麼 VITS 同時使用變分推論與對抗學習?
    • 它們使模型不依賴文字輸入
    • 它們保證每個生成的聲音都是真實說話者
    • 它們消除所有時長變化
    • 它們支援潛變量建模與真實波形生成