গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

সমান্তরাল ওয়েভগান ভোকোডার কুইজ

পর্যালোচনা করুন কিভাবে সমান্তরাল ওয়েভগান শাব্দ বৈশিষ্ট্যকে অডিওতে পরিণত করে এবং বহু-রেজোলিউশন বর্ণালী ক্ষতির সাথে প্রতিপক্ষের প্রশিক্ষণকে একত্রিত করে।

প্রশ্ন 1 এর 8

সমান্তরাল ওয়েভগানের মতো ভোকোডারের কাজ কী?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. সমান্তরাল ওয়েভগানের মতো ভোকোডারের কাজ কী?
    • একটি মেল-স্পেকট্রোগ্রামকে একটি কাঁচা অডিও তরঙ্গরূপে পরিণত করুন
    • টেক্সটকে ফোনমে রূপান্তর করুন
    • রেকর্ডিং থেকে পটভূমি শব্দ সরান
    • ভাষার মধ্যে বক্তৃতা অনুবাদ করুন
  2. কিভাবে সমান্তরাল WaveGAN আসল WaveNet এর সাথে তুলনা করে অডিও নমুনা তৈরি করে?
    • এক সময়ে একটি নমুনা, ক্রমানুসারে
    • সমস্ত নমুনা সমান্তরালভাবে, অ-স্বয়ংক্রিয়ভাবে
    • মাইক্রোফোন রেকর্ড করে
    • সংরক্ষিত ক্লিপগুলি সংযুক্ত করে৷
  3. প্রতিকূল ক্ষতির পাশাপাশি সমান্তরাল ওয়েভগানের কেন্দ্রীয় কোন ক্ষতি?
    • টেক্সট টোকেনগুলিতে ক্রস-এনট্রপি
    • ট্রিপলেট র‌্যাঙ্কিংয়ে ক্ষতি
    • মাল্টি-রেজোলিউশন STFT ক্ষতি
    • শক্তিবৃদ্ধি পুরস্কার
  4. সমান্তরাল WaveGAN জেনারেটর কোন আর্কিটেকচার ব্যবহার করে?
    • একটি পুনরাবৃত্ত LSTM
    • একটি দৃষ্টি ট্রান্সফরমার
    • সিদ্ধান্ত গাছ
    • একটি প্রসারিত-কনভোলিউশন ওয়েভনেট-স্টাইল নেটওয়ার্ক
  5. কেন সমান্তরাল WaveGAN স্থাপনার জন্য আকর্ষণীয়?
    • এটি কমপ্যাক্ট এবং রিয়েল টাইমের চেয়ে দ্রুত চলে
    • এটি একটি খুব বড় মাল্টি-বিলিয়ন-প্যারামিটার মডেল৷
    • এটির জন্য কোন স্পেকট্রোগ্রাম ইনপুট প্রয়োজন নেই
    • এটি শুধুমাত্র সুপার কম্পিউটারে কাজ করে
  6. একটি GAN-এ, প্রশিক্ষণের সময় বৈষম্যকারী কী ভূমিকা পালন করে?
    • এটি স্পেকট্রোগ্রাম তৈরি করে
    • অডিও আসল নাকি নকল তা বিচার করে
    • এটি ডেটাসেট রেকর্ড করে
    • এটি মডেলের ওজন সঞ্চয় করে
  7. In Parallel WaveGAN, what does the noise input contribute alongside mel-spectrogram conditioning?
    • The speaker transcript after synthesis
    • A replacement for the discriminator
    • Stochastic input for waveform generation while the mel features condition the acoustic content
    • A fixed random waveform copied into every output
  8. What does the adversarial loss encourage the Parallel WaveGAN generator to produce?
    • Text transcripts with perfect spelling
    • Audio samples with no speaker conditioning
    • A smaller mel-spectrogram vocabulary
    • Waveforms that the discriminator judges as resembling real speech