引導式測驗 · 中等 等級
Voicebox 流程比對語音生成測驗
測試 Voicebox 的語音填充目標、流程配對產生、情境編輯和報告的多語言訓練範圍。
問題 1 的 8
Voicebox 針對哪些單一訓練任務進行了最佳化?
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。
- Voicebox 針對哪些單一訓練任務進行了最佳化?
- 在給定周圍上下文和文字的情況下預測屏蔽音頻
- 將說話者的情緒進行分類
- 在語言之間翻譯文本
- 檢測深度贗品
- Voicebox 使用哪種生成技術來取代擴散?
- 強化學習
- 條件流匹配
- 決策樹
- K-均值聚類
- Voicebox 如何在不重新訓練的情況下調節目標說話者的語音生成?
- 它為每個說話者重新訓練模型
- 它僅從固定的發言者 ID 清單中進行選擇
- 它使用短參考段作為未屏蔽的音訊上下文
- 它將所有訓練說話者平均為一種聲音
- Voicebox 論文報告的零樣本 TTS 比較的效率結果為何?
- 它需要 20 倍以上的生成時間
- 它在沒有任何神經網路的情況下運行
- 它總是在一毫秒內產生音頻
- 它產生語音的速度比報告設定中的 VALL-E 系統快 20 倍
- 為什麼 Meta 最初保留完整的 Voicebox 模型?
- 對聲音克隆濫用和深度偽造的擔憂
- 跑得太慢了
- 它只適用於一種語言
- 它沒有產生可用的音頻
- 一個模型如何處理 Voicebox 中的編輯、克隆和去噪?
- 透過為每個任務切換到不同的網絡
- 透過將每個任務定義為從上下文中預測屏蔽音頻
- 透過使用單獨的特定於任務的訓練運行
- 透過手動編寫每個輸出的腳本
- Voicebox 論文報告了多少種語言的多語言訓練設定?
- 僅一種語言
- 兩種語言
- 六種語言
- 一百多種語言
- Voicebox 論文報告使用了多少語音資料?
- 約50小時
- 約500小時
- 超過5000萬小時
- 超過50,000小時