Kvíz spojený s průvodcem · Střední úroveň
Kvíz neurálních vokodérů
Zopakujte si, jak nervové vokodéry rekonstruují křivky, proč je autoregresní syntéza pomalá a jak protichůdné diskriminátory zlepšují generovaný zvuk.
Otázka 1 z 8
Jaká je hlavní práce neurálního vokodéru?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaká je hlavní práce neurálního vokodéru?
- Chcete-li změnit akustickou reprezentaci, jako je mel-spektrogram, na slyšitelný tvar vlny
- Chcete-li převést text přímo na význam
- K překladu řeči mezi jazyky
- Pro odstranění šumu na pozadí z nahrávek
- Který model z roku 2016 byl průlomem, díky kterému neurální vokodéry zněly přirozeně?
- HiFi-GAN
- WaveNet
- Tacotron
- MelGAN
- Proč byl původní WaveNet pomalý při generování zvuku?
- Pro každé slovo to vyžadovalo samostatný GPU
- Při každém vstupu se znovu vycvičil
- Autoregresivně předpovídal zvuk jeden vzorek po druhém
- Spolu se zvukem vykresloval i video
- Jaké informace mel-spektrogram zejména zahazuje, čímž je úloha vokodéru obtížnější?
- Hlasitost zvuku
- Jazyk, kterým se mluví
- Vzorkovací frekvence
- Informace o fázi signálu
- Jak vokodéry založené na GAN, jako je HiFi-GAN, zlepšují realismus?
- Použitím více diskriminátorů, které posuzují signál v různých měřítcích
- Nejprve převodem zvuku na text
- Zprůměrováním tisíců nahrávek dohromady
- Pouze generováním nízkých frekvencí
- Co v typickém moderním potrubí TTS vytváří mel-spektrogram, který spotřebovává vokodér?
- Generátor šumu
- Akustický model, jako je Tacotron 2 nebo FastSpeech
- Samotný vokodér
- mikrofon
- What component in HiFi-GAN combines residual blocks with different dilation patterns?
- A phoneme tokenizer
- A recurrent attention decoder
- The multi-receptive-field fusion (MRF) module
- A speaker-verification classifier
- What does HiFi-GAN’s multi-period discriminator help assess?
- Whether the text transcript is grammatically correct
- Whether the speaker’s face matches the voice
- Whether the mel-spectrogram uses enough colors
- Whether generated waveform segments reflect realistic periodic patterns