WaveGlow Flow-basiertes Vocoder-Quiz

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

1. WaveGlow vereint architektonische Ideen aus welchen beiden Modellen?
   • Glow und WaveNet
   • BERT und GPT
   • ResNet und VGG
   • Tacotron und CLIP
2. Was für ein Modell ist WaveGlow?
   • Ein generatives gegnerisches Netzwerk
   • Ein normalisierender Fluss
   • Ein wiederkehrendes autoregressives Modell
   • Ein Agent für verstärkendes Lernen
3. Wie generiert WaveGlow eine Wellenform zur Inferenzzeit?
   • Es sagt Proben einzeln voraus
   • Es durchsucht eine Datenbank mit Clips
   • Es tastet Gaußsches Rauschen ab und lässt den Fluss umgekehrt laufen
   • Es verwendet einen Diskriminator
4. Welches Ziel optimiert WaveGlow beim Training?
   • Ein kontroverses Min-Max-Spiel
   • Kreuzentropie über Textbeschriftungen
   • Ein Kontrastverlust
   • Exakte Protokollwahrscheinlichkeit der Audiodaten
5. Aus welchen beiden Komponenten besteht jeder invertierbare Schritt in WaveGlow?
   • Affine Kopplungsschicht und invertierbare 1x1-Faltung
   • Aufmerksamkeits- und Feed-Forward-Block
   • Pooling und Softmax
   • Einbettung und Ausstieg
6. Welche Trainingsvereinfachung bietet WaveGlow gegenüber früheren parallelen WaveNet-Methoden?
   • Es braucht kein Spektrogramm
   • Es vermeidet eine Lehrer-Schüler-Destillation durch die Verwendung eines einzigen Netzwerks und Verluste
   • Dadurch entfällt die Notwendigkeit einer GPU
   • Es sind keine Audiodaten erforderlich
7. What does WaveGlow's squeeze operation do before its coupling layers process the signal?
   • Converts the waveform into written phonemes
   • Removes the mel-spectrogram conditioning
   • Groups neighboring audio samples into vectors for the flow transformations
   • Randomly deletes audio segments
8. Which acoustic model is named in the guide as a practical system that can pair with WaveGlow?
   • BERT
   • A* search
   • YOLOv8
   • Tacotron 2