Тест, свързан с ръководство · Среден Ниво

MelGAN Generative Vocoder Тест

Разберете как MelGAN преобразува мел-спектрограмите във вълнови форми, използва конволюционно преобразуване и обучава дискриминатори в множество мащаби.

Свързани ръководни пътекиMelgan Generative Vocoder
Въпрос 1 на 8

Какъв вход преобразува MelGAN в необработена аудио вълна?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какъв вход преобразува MelGAN в необработена аудио вълна?
    • Мел-спектрограма
    • Необработени текстови знаци
    • MIDI файл
    • Решетка на фонема
  2. Защо MelGAN е много по-бърз от WaveNet при извод?
    • Той използва по-малка честота на извадка
    • Той не е авторегресивен и генерира аудио в едно паралелно преминаване
    • Работи само на TPU
    • Той пропуска високочестотните ленти
  3. Какъв отличителен дизайн на дискриминатора представи MelGAN?
    • Един единствен глобален дискриминатор
    • Трансформаторен дискриминатор
    • Многомащабен дискриминатор, работещ с аудио при няколко резолюции
    • Изобщо няма дискриминатор
  4. Коя загуба помага да се стабилизира състезателното обучение на MelGAN?
    • Крос-ентропия върху текстови токени
    • Средна загуба на оценка на мнението
    • Трикратна загуба на маржин
    • Загуба на съвпадение на характеристиките между активирането на дискриминатора
  5. Как генераторът на MelGAN увеличава своето възприемчиво поле?
    • Чрез използване на разширени навивки в остатъчни блокове
    • Чрез добавяне на повтарящи се LSTM слоеве
    • Чрез използване на внимание върху целия клип
    • Чрез подреждане на обединени слоеве
  6. Каква субективна мярка за оценка докладва докладът на MelGAN?
    • Честота на грешки в думата (WER)
    • Средна оценка на мнението (MOS)
    • BLEU резултат
    • Само пиково съотношение сигнал/шум (PSNR).
  7. Какво правят транспонираните навивки на MelGAN в генератора?
    • Преобразувайте формата на вълната обратно в текст
    • Изберете фонемите във въведеното изречение
    • Увеличете дискретизацията на представянето на мел-спектрограмата към скоростта на формата на аудио вълната
    • Намалете броя на аудио пробите до нула
  8. Кои аудио домейни е използвал докладът на MelGAN, за да илюстрира общото съдържание на своите техники?
    • Машинен превод, надписи на изображения и видео субтитри
    • Само разпознаване на реч и идентификация на говорещия
    • Резюмиране на текст, генериране на код и класификация на изображения
    • Синтез на реч, превод на музикален домейн и безусловен музикален синтез