Тест, свързан с ръководство · Среден Ниво

Тест за HiFi-GAN и GAN вокодери

Проверява вокодирането от мел към форма на вълната, генерирането на подаване напред, периодичните и многомащабните дискриминатори, противопоставящото се обучение и спомагателните загуби.

Свързани ръководни пътекиHifi GAN и GAN вокодери
Въпрос 1 на 8

Каква е основната работа на вокодер като HiFi-GAN в тръбопровод за текст към реч?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква е основната работа на вокодер като HiFi-GAN в тръбопровод за текст към реч?
    • Превръщане на мел-спектрограма в необработена аудио вълна
    • Преобразуване на необработен текст във фонеми
    • Подравняване на текст към времетраене
    • Превод на реч от един език на друг
  2. Защо HiFi-GAN е много по-бърз от по-ранния вокодер WaveNet?
    • Той използва по-малък речник
    • Той е с подаване напред и произвежда цялата форма на вълната с едно преминаване вместо авторегресивно
    • Той генерира проби една по една по-ефективно
    • Пропуска изцяло спектрограмата
  3. Какво конкретно помага за улавяне Multi-Period Discriminator на HiFi-GAN?
    • Семантичното значение на думите
    • Нива на фонов шум
    • Периодични модели, свързани с височината на сигнала
    • Етикет на емоционалния тон на говорещия
  4. GAN вокодери са обучени "противнически". Какво означава това тук?
    • Моделът се състезава с човешки разказвачи
    • По време на обучението се смесват два езика
    • Моделът се награждава само за скорост, а не за качество
    • Генераторът се опитва да заблуди един или повече дискриминатори, които преценяват дали аудиото е реално
  5. Кой по-късен вокодер разширява HiFi-GAN, за да обобщи по-добре невидими гласове, пеене и инструменти?
    • BigVGAN
    • Такотрон
    • WaveNet
    • БЕРТ
  6. Каква спомагателна загуба помага да поддържате обучението на HiFi-GAN стабилно и вярно на входа?
    • Загуба на превод
    • Загуба на реконструкция на мел-спектрограма
    • Загуба на класификация на жетон
    • Сигнал за награда за подсилване
  7. Какво изследва Multi-Scale Discriminator на HiFi-GAN?
    • Само препис на текста
    • Състоянието на оптимизатора на модела
    • Вълнови форми при няколко разделителни способности с понижена дискретизация
    • Един контейнер за мел наведнъж
  8. Защо да включвате загуба на реконструкция на мел-спектрограма заедно със загубата на противопоставяне?
    • За премахване на генератора
    • За да направите модела авторегресивен
    • За премахване на кондициониращата мел-спектрограма
    • За фиксиране на спектрално съдържание, докато дискриминаторите насърчават реалистична текстура на формата на вълната