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।
- 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
- 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
- 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
- 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
- পরবর্তীতে কোন ভোকোডার HiFi-GAN কে অদেখা কণ্ঠ, গান এবং যন্ত্রের জন্য সাধারণীকরণের জন্য প্রসারিত করে?
- বিগভিজিএএন
- টাকোট্রন
- ওয়েভনেট
- BERT
- 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
- 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
- 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