গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

HiFi-GAN এবং GAN Vocoders কুইজ

মেল-টু-ওয়েভফর্ম ভোকোডিং, ফিড-ফরোয়ার্ড জেনারেশন, পর্যায়ক্রমিক এবং বহু-স্কেল বৈষম্যকারী, প্রতিকূল প্রশিক্ষণ এবং সহায়ক ক্ষতি পরীক্ষা করে।

প্রশ্ন 1 এর 8

টেক্সট-টু-স্পিচ পাইপলাইনে হাইফাই-জিএএন-এর মতো ভোকোডারের প্রাথমিক কাজ কী?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. টেক্সট-টু-স্পিচ পাইপলাইনে হাইফাই-জিএএন-এর মতো ভোকোডারের প্রাথমিক কাজ কী?
    • একটি মেল-স্পেকট্রোগ্রামকে একটি কাঁচা অডিও তরঙ্গরূপে পরিণত করা
    • কাঁচা পাঠকে ফোনমে রূপান্তর করা হচ্ছে
    • পাঠ্যকে সময়কালের সাথে সারিবদ্ধ করা
    • এক ভাষা থেকে অন্য ভাষাতে বক্তৃতা অনুবাদ করা
  2. কেন HiFi-GAN আগের WaveNet ভোকোডারের চেয়ে অনেক দ্রুত?
    • এটি একটি ছোট শব্দভান্ডার ব্যবহার করে
    • এটি ফিড-ফরোয়ার্ড এবং অটোরিগ্রেসিভের পরিবর্তে একটি একক পাসে পুরো তরঙ্গরূপ তৈরি করে
    • এটি আরও দক্ষতার সাথে এক সময়ে নমুনা তৈরি করে
    • এটি বর্ণালীগ্রামকে সম্পূর্ণভাবে এড়িয়ে যায়
  3. HiFi-GAN এর মাল্টি-পিরিয়ড ডিসক্রিমিনেটর বিশেষভাবে কী ক্যাপচার করতে সাহায্য করে?
    • শব্দের শব্দার্থিক অর্থ
    • পটভূমির শব্দের মাত্রা
    • সিগন্যালে পিচ সম্পর্কিত পর্যায়ক্রমিক নিদর্শন
    • স্পিকারের আবেগপূর্ণ টোন লেবেল
  4. GAN ভোকোডারদের 'প্রতিপক্ষভাবে' প্রশিক্ষণ দেওয়া হয়। যে এখানে মানে কি?
    • মডেল মানব বর্ণনাকারীদের বিরুদ্ধে প্রতিদ্বন্দ্বিতা করে
    • প্রশিক্ষণের সময় দুটি ভাষা মিশ্রিত হয়
    • মডেলটি শুধুমাত্র গতির জন্য পুরস্কৃত হয়, মানের নয়
    • একটি জেনারেটর এক বা একাধিক বৈষম্যকারীদের বোকা বানানোর চেষ্টা করে যা বিচার করে যে অডিও আসল কিনা
  5. পরবর্তীতে কোন ভোকোডার HiFi-GAN কে অদেখা কণ্ঠ, গান এবং যন্ত্রের জন্য সাধারণীকরণের জন্য প্রসারিত করে?
    • বিগভিজিএএন
    • টাকোট্রন
    • ওয়েভনেট
    • BERT
  6. কোন সহায়ক ক্ষতি HiFi-GAN এর প্রশিক্ষণকে স্থিতিশীল এবং ইনপুটের প্রতি বিশ্বস্ত রাখতে সাহায্য করে?
    • একটি অনুবাদ ক্ষতি
    • একটি মেল-স্পেকট্রোগ্রাম পুনর্গঠনের ক্ষতি
    • একটি টোকেন-শ্রেণিকরণ ক্ষতি
    • একটি শক্তিবৃদ্ধি পুরস্কার সংকেত
  7. What does HiFi-GAN’s Multi-Scale Discriminator examine?
    • Only the text transcript
    • The model’s optimizer state
    • Waveforms at several downsampled resolutions
    • One mel bin at a time
  8. Why include a mel-spectrogram reconstruction loss alongside adversarial loss?
    • To eliminate the generator
    • To make the model autoregressive
    • To remove the conditioning mel-spectrogram
    • To anchor spectral content while discriminators encourage realistic waveform texture