WaveNet-Quiz

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

1. Wie generiert WaveNet Audio?
   • Eine Rohprobe nach der anderen, abhängig von vorherigen Proben
   • Durch Auswahl von Clips aus einer festen Bibliothek
   • Durch die direkte Konvertierung von Spektrogrammen in Text
   • Alle Proben gleichzeitig ohne Bestellung
2. Was ist die wichtigste Faltungsinnovation in WaveNet?
   • Maximale Pooling-Schichten
   • Erweiterte kausale Windungen
   • Nur wiederkehrende Tore
   • Vollständig verbundene Schichten
3. How did the original WaveNet represent quantized waveform samples for prediction?
   • As a single continuous average for the entire clip
   • As speaker IDs only
   • As a categorical distribution over 256 µ-law-quantized values
   • As a sequence of image patches
4. Was war ein großer praktischer Nachteil des ursprünglichen WaveNet?
   • Es konnte nur Stille erzeugen
   • Es waren keine Trainingsdaten erforderlich
   • Es funktionierte nur bei Bildern
   • Sequentielles Sampling verlangsamte die Generierung
5. In the speech-synthesis experiments described in the WaveNet paper, what does the model generate?
   • Raw speech waveforms sample by sample, conditioned on linguistic features
   • A mel-spectrogram that is itself the final audio
   • Only phoneme labels without audio
   • A MIDI score
6. Welche Organisation hat WaveNet eingeführt?
   • NASA
   • DeepMind
   • OpenAI
   • Adobe
7. What does causal convolution prevent in WaveNet?
   • Using preceding samples as context
   • Generating any audio waveform
   • Using future audio samples to predict the current sample
   • Conditioning on text or speaker features
8. What activation structure does the original WaveNet use in its gated convolutional layers?
   • A ReLU output concatenated with image patches
   • A softmax over speakers only
   • A linear layer without nonlinearities
   • A tanh-filter output multiplied elementwise by a sigmoid gate