Kvíz spojený s průvodcem · Střední úroveň

Paralelní kvíz WaveGAN Vocoder

Podívejte se, jak Parallel WaveGAN přeměňuje akustické funkce na zvuk a kombinuje trénink protivníka se spektrálními ztrátami ve více rozlišeních.

Související vodicí cestyParalelní Wavegan Vocoder
Otázka 1 z 8

Jaká je práce vocodera jako Parallel WaveGAN?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaká je práce vocodera jako Parallel WaveGAN?
    • Změňte mel-spektrogram na surový zvukový průběh
    • Převést text na fonémy
    • Odstraňte z nahrávek šum na pozadí
    • Překlad řeči mezi jazyky
  2. Jak Parallel WaveGAN generuje zvukové vzorky ve srovnání s původním WaveNet?
    • Jeden vzorek po druhém, postupně
    • Všechny vzorky paralelně, neautoregresně
    • Nahráváním mikrofonu
    • Zřetězením uložených klipů
  3. Která ztráta je klíčová pro Parallel WaveGAN kromě ztráty protivníka?
    • Křížová entropie na textových tokenech
    • Ztráta trojčlenného pořadí
    • Ztráta STFT ve více rozlišeních
    • Odměna za posilu
  4. Jakou architekturu používá generátor Parallel WaveGAN?
    • Opakující se LSTM
    • Transformátor vidění
    • Rozhodovací strom
    • Síť ve stylu WaveNet s rozšířenou konvolucí
  5. Proč je Parallel WaveGAN atraktivní pro nasazení?
    • Je kompaktní a běží rychleji než v reálném čase
    • Jde o velmi rozsáhlý model s mnoha miliardami parametrů
    • Nevyžaduje žádný vstup spektrogramu
    • Funguje pouze na superpočítačích
  6. Jakou roli hraje v GAN diskriminátor během tréninku?
    • Generuje spektrogram
    • Posuzuje, zda zvuk vypadá jako skutečný nebo falešný
    • Zaznamenává datovou sadu
    • Ukládá závaží modelů
  7. In Parallel WaveGAN, what does the noise input contribute alongside mel-spectrogram conditioning?
    • The speaker transcript after synthesis
    • A replacement for the discriminator
    • Stochastic input for waveform generation while the mel features condition the acoustic content
    • A fixed random waveform copied into every output
  8. What does the adversarial loss encourage the Parallel WaveGAN generator to produce?
    • Text transcripts with perfect spelling
    • Audio samples with no speaker conditioning
    • A smaller mel-spectrogram vocabulary
    • Waveforms that the discriminator judges as resembling real speech