ইউনিভনেট মাল্টি-রেজোলিউশন ভোকোডার কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. UnivNet এর বৈষম্যকারীর স্বাক্ষর বৈশিষ্ট্য কি?
   • এটি বিভিন্ন রেজোলিউশনে একাধিক STFT স্পেকট্রোগ্রাম গণনা করে এবং তাদের উপর বৈষম্য করে
   • এটি শুধুমাত্র একটি একক তরঙ্গরূপ বৈষম্যকারী ব্যবহার করে
   • এটি একটি ভাষা মডেল ব্যবহার করে অডিও বিচার করে
   • এটি উচ্চ ফ্রিকোয়েন্সি উপেক্ষা করে
2. আগের GAN ভোকোডারে কোন সমস্যা UnivNet বিশেষভাবে লক্ষ্য করে?
   • ধীর অটোরিগ্রেসিভ স্যাম্পলিং
   • Muffled বা আর্টিফ্যাক্ট-বোঝাই উচ্চ ফ্রিকোয়েন্সি
   • GPU তে চালানোর অক্ষমতা
   • কোনো বৈষম্যকারীর অভাব
3. UnivNet-এ অবস্থান-ভেরিয়েবল কনভোলিউশন (LVC) কি?
   • কনভল্যুশন শুধুমাত্র সংকেতের শুরুতে প্রয়োগ করা হয়
   • সমস্ত স্তর জুড়ে স্থির কার্নেল ভাগ করা হয়েছে৷
   • কনভোল্যুশন যার কার্নেলগুলি ইনপুট বৈশিষ্ট্যগুলি থেকে গতিশীলভাবে ভবিষ্যদ্বাণী করা হয়
   • ফ্রেমের মধ্যে পুনরাবৃত্ত সংযোগ
4. What adaptation potential did the UnivNet paper report for new speakers?
   • Guaranteed identical quality across every recording condition
   • No need for conditioning features or evaluation
   • Instant adaptation to every language and microphone
   • Fast adaptation without training a new vocoder from scratch
5. What synthesis capability did the UnivNet paper report?
   • High-fidelity waveform synthesis in real time
   • Only offline synthesis after a day-long wait
   • One waveform sample per hour
   • A text transcript without audio output
6. ইউনিভনেটের জেনারেটর একটি তরঙ্গরূপ তৈরি করতে কি শর্ত রাখে?
   • কাঁচা লেখা
   • একটি মেল-স্পেকট্রোগ্রাম
   • শুধুমাত্র শব্দের একটি বর্ণালীগ্রাম
   • একটি ফোনমে সময়কাল টেবিল
7. Which adversarial loss did UnivNet use to train its generator and discriminators?
   • A word-level cross-entropy loss
   • A policy-gradient objective
   • A least-squares GAN objective
   • A contrastive image-text loss
8. What evaluation result did the UnivNet paper report across seen and unseen speakers?
   • It outperformed every vocoder on every language and dataset
   • It proved no speaker adaptation is ever needed
   • It achieved the same result regardless of input features
   • It achieved the best objective and subjective results among the compared models in its evaluation