اختبار مرتبط بالدليل · متوسط المستوى
مسابقة DiffWave Diffusion Vocoder
تعرف على كيفية توقع DiffWave للضوضاء لتجميع الأشكال الموجية، وظروف الميزات الصوتية، وموازنة سرعة أخذ العينات مع الجودة.
سؤال 1 من 8
كيف يقوم DiffWave بإنشاء الصوت في وقت الاستدلال؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- كيف يقوم DiffWave بإنشاء الصوت في وقت الاستدلال؟
- عن طريق تقليل الضوضاء العشوائية بشكل متكرر إلى شكل موجة
- عن طريق أخذ عينات من قيمة شكل موجة واحدة في كل مرة بشكل انحداري تلقائي
- عن طريق تسلسل وحدات الكلام المسجلة
- عن طريق تشغيل تمريرة GAN للأمام واحدة
- ما الذي تتعلمه شبكة DiffWave فعليًا للتنبؤ به أثناء التدريب؟
- الموجي النظيف مباشرة في طلقة واحدة
- الضوضاء المضافة في خطوة نشر معينة
- نسخة النص
- هوية المتحدث
- ما هو العيب العملي الرئيسي لـ DiffWave مقارنة بمشفرات GAN الصوتية؟
- لا يمكن أن تشترط على الطيفية
- إنه يعمل فقط بمعدلات عينة منخفضة
- يمكن أن يتطلب العديد من خطوات أخذ العينات، مما يجعلها أبطأ
- يحتاج إلى تدريب عدائي ليكون مستقرًا
- ما هي الميزة التي يتمتع بها DiffWave مقارنة بمشفرات GAN الصوتية في التدريب؟
- أنها لا تحتاج إلى شبكة عصبية
- لا يتطلب أي بيانات
- ينتج الصوت على الفور في خطوة واحدة
- إنه يتجنب التدريب الخصوم غير المستقر
- ما هي البنية التي تشبهها شبكة DiffWave للتنبؤ بالضوضاء؟
- شبكة تلافيفية متوسعة على طراز WaveNet
- نموذج لغة LSTM المتكرر
- محول الرؤية
- الانحدار الخطي البسيط
- ما هو عدد خطوات أخذ العينات تقريبًا التي يمكن أن تستخدمها جداول DiffWave المضبوطة جيدًا مع الحفاظ على الجودة الجيدة؟
- بالضبط 1000 خطوة دائما
- حوالي ست خطوات
- حوالي 500 خطوة
- خطوة واحدة فقط بدون ضبط
- What acoustic representation can condition DiffWave when it is used as a vocoder?
- A list of subtitle line numbers
- A CT scan of an ancient scroll
- ميل الطيفي
- A source-code dependency graph
- What loss does DiffWave use to train its noise-prediction network?
- A word-error-rate objective
- A discriminator feature-matching loss only
- A cosine-similarity loss between image embeddings
- A weighted L2 loss on the predicted noise