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.

Související vodicí cestyNervové vokodéry
Otázka 1 z 8

Jaká je hlavní práce neurálního vokodéru?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. 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
  2. Který model z roku 2016 byl průlomem, díky kterému neurální vokodéry zněly přirozeně?
    • HiFi-GAN
    • WaveNet
    • Tacotron
    • MelGAN
  3. 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
  4. Jaké informace mel-spektrogram zejména zahazuje, čímž je úloha vokodéru obtížnější?
    • Hlasitost zvuku
    • Jazyk, kterým se mluví
    • Vzorkovací frekvence
    • Informace o fázi signálu
  5. 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
  6. 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
  7. 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
  8. 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