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.

Související vodicí cestyGenerativní vokodér Melgan
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.

  1. Jaký vstup převádí MelGAN na nezpracovaný zvukový průběh?
    • Mel-spektrogram
    • Znaky surového textu
    • MIDI soubor
    • Mřížka fonémů
  2. 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
  3. Jaký výrazný design diskriminátoru představil MelGAN?
    • Jediný globální diskriminátor
    • Diskriminátor na bázi transformátoru
    • Vícestupňový diskriminátor pracující se zvukem v několika rozlišeních
    • Vůbec žádný diskriminátor
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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