Тест, свързан с ръководство · Среден Ниво

Тест за невронни вокодери

Прегледайте как невронните вокодери реконструират вълнови форми, защо авторегресивният синтез е бавен и как противопоставящите се дискриминатори подобряват генерирания звук.

Свързани ръководни пътекиНевронни вокодери
Въпрос 1 на 8

Каква е основната задача на невронния вокодер?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква е основната задача на невронния вокодер?
    • Да превърнете акустично представяне като мел-спектрограма в звукова форма на вълната
    • Да конвертирате текст директно в смисъл
    • За превод на реч между езици
    • За да премахнете фоновия шум от записите
  2. Кой модел от 2016 г. беше пробивът, който направи невронните вокодери да звучат естествено?
    • HiFi-GAN
    • WaveNet
    • Такотрон
    • МелГАН
  3. Защо оригиналният WaveNet бавно генерира аудио?
    • Изискваше отделен графичен процесор за всяка дума
    • Обучаваше се отново на всеки вход
    • Той прогнозира аудио една проба наведнъж авторегресивно
    • Рендира видео заедно с аудиото
  4. Каква информация мел-спектрограмата по-специално изхвърля, правейки задачата на вокодера по-трудна?
    • Силата на звука
    • Езикът, на който се говори
    • Процентът на извадката
    • Информацията за фазата на сигнала
  5. Как базираните на GAN вокодери като HiFi-GAN подобряват реализма?
    • Чрез използване на множество дискриминатори, които оценяват сигнала в различни мащаби
    • Като първо конвертирате аудио в текст
    • Чрез осредняване на хиляди записи заедно
    • Като генерира само ниски честоти
  6. В един типичен модерен TTS тръбопровод, какво произвежда мел-спектрограмата, която вокодерът консумира?
    • Генератор на шум
    • Акустичен модел като Tacotron 2 или FastSpeech
    • Самият вокодер
    • Микрофон
  7. What component in HiFi-GAN combines residual blocks with different dilation patterns?
    • A phoneme tokenizer
    • A recurrent attention decoder
    • The multi-receptive-field fusion (MRF) module
    • A speaker-verification classifier
  8. What does HiFi-GAN’s multi-period discriminator help assess?
    • Whether the text transcript is grammatically correct
    • Whether the speaker’s face matches the voice
    • Whether the mel-spectrogram uses enough colors
    • Whether generated waveform segments reflect realistic periodic patterns