Kvíz spojený s průvodcem · Střední úroveň
Generativní vokodérový kvíz MelGAN
Pochopte, jak MelGAN mapuje mel-spektrogramy na průběhy, používá konvoluční převzorkování a trénuje diskriminátory ve více měřítcích.
Otázka 1 z 8
Jaký vstup převádí MelGAN na nezpracovaný zvukový průběh?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaký vstup převádí MelGAN na nezpracovaný zvukový průběh?
- Mel-spektrogram
- Znaky surového textu
- MIDI soubor
- Mřížka fonémů
- Proč je MelGAN mnohem rychlejší než WaveNet?
- Používá menší vzorkovací frekvenci
- Není autoregresivní a generuje zvuk v jednom paralelním průchodu
- Běží pouze na TPU
- Přeskočí vysokofrekvenční pásma
- Jaký výrazný design diskriminátoru představil MelGAN?
- Jediný globální diskriminátor
- Diskriminátor na bázi transformátoru
- Vícestupňový diskriminátor pracující se zvukem v několika rozlišeních
- Vůbec žádný diskriminátor
- Která ztráta pomáhá stabilizovat trénink protivníka MelGAN?
- Křížová entropie na textových tokenech
- Průměrná ztráta skóre mínění
- Trojnásobná ztráta marže
- Ztráta přizpůsobení funkcí mezi aktivacemi diskriminátoru
- Jak zvyšuje generátor MelGAN své receptivní pole?
- Použitím dilatovaných konvolucí ve zbytkových blocích
- Přidáním opakujících se vrstev LSTM
- Použitím pozornosti na celý klip
- Skládáním sdružovacích vrstev
- What subjective evaluation measure did the MelGAN paper report?
- Word error rate (WER)
- Mean Opinion Score (MOS)
- BLEU score
- Peak signal-to-noise ratio (PSNR) only
- What do MelGAN’s transposed convolutions do in the generator?
- Convert the waveform back into text
- Choose the phonemes in the input sentence
- Upsample the mel-spectrogram representation toward the audio waveform rate
- Reduce the number of audio samples to zero
- Which audio domains did the MelGAN paper use to illustrate the generality of its techniques?
- Machine translation, image captions, and video subtitling
- Only speech recognition and speaker identification
- Text summarization, code generation, and image classification
- Speech synthesis, music-domain translation, and unconditional music synthesis