Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ HiFi-GAN και GAN Vocoders

Ελέγχει την φωνοκωδικοποίηση mel-to-waveform, τη δημιουργία τροφοδοσίας προς τα εμπρός, τους περιοδικούς και τους πολλαπλούς διαχωρισμούς, την εκπαίδευση αντιπάλου και τις βοηθητικές απώλειες.

Σχετικές διαδρομές οδηγώνHifi GAN And GAN Vocoder
Ερώτηση 1 του 8

Ποια είναι η κύρια δουλειά ενός κωδικοποιητή φωνής όπως το HiFi-GAN σε μια διοχέτευση κειμένου σε ομιλία;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποια είναι η κύρια δουλειά ενός κωδικοποιητή φωνής όπως το HiFi-GAN σε μια διοχέτευση κειμένου σε ομιλία;
    • Μετατροπή ενός φασματογράμματος mel σε ακατέργαστη κυματομορφή ήχου
    • Μετατροπή ακατέργαστου κειμένου σε φωνήματα
    • Ευθυγράμμιση κειμένου με διάρκεια
    • Μετάφραση ομιλίας από τη μια γλώσσα στην άλλη
  2. Γιατί το HiFi-GAN είναι πολύ πιο γρήγορο από τον προηγούμενο κωδικοποιητή φωνής WaveNet;
    • Χρησιμοποιεί μικρότερο λεξιλόγιο
    • Είναι τροφοδοσία προς τα εμπρός και παράγει ολόκληρη την κυματομορφή σε ένα πέρασμα αντί για αυτοπαλινδρομική
    • Παράγει δείγματα ένα κάθε φορά πιο αποτελεσματικά
    • Παρακάμπτει εντελώς το φασματόγραμμα
  3. Τι βοηθάει συγκεκριμένα στην καταγραφή το Multi-Period Discriminator του HiFi-GAN;
    • Η σημασιολογική σημασία των λέξεων
    • Επίπεδα θορύβου φόντου
    • Περιοδικά μοτίβα που σχετίζονται με τον τόνο στο σήμα
    • Ετικέτα συναισθηματικού τόνου του ομιλητή
  4. Οι φωνοκωδικοποιητές GAN εκπαιδεύονται «αντίπαλα». Τι σημαίνει αυτό εδώ;
    • Το μοντέλο ανταγωνίζεται ανθρώπους αφηγητές
    • Κατά τη διάρκεια της εκπαίδευσης αναμειγνύονται δύο γλώσσες
    • Το μοντέλο ανταμείβεται μόνο για την ταχύτητα, όχι για την ποιότητα
    • Μια γεννήτρια προσπαθεί να ξεγελάσει έναν ή περισσότερους διακρίτες που κρίνουν εάν ο ήχος είναι πραγματικός
  5. Ποιος μεταγενέστερος φωνοκωδικοποιητής επεκτείνει το HiFi-GAN για να γενικεύσει καλύτερα σε αόρατες φωνές, τραγούδια και όργανα;
    • BigVGAN
    • Tacotron
    • WaveNet
    • ΜΠΕΡΤ
  6. Ποια βοηθητική απώλεια βοηθά στη διατήρηση της προπόνησης του HiFi-GAN σταθερή και πιστή στην είσοδο;
    • Μεταφραστική απώλεια
    • Απώλεια αναδόμησης με φασματογράμματος
    • Μια απώλεια χαρακτηριστικής ταξινόμησης
    • Ένα σήμα ανταμοιβής ενίσχυσης
  7. What does HiFi-GAN’s Multi-Scale Discriminator examine?
    • Only the text transcript
    • The model’s optimizer state
    • Waveforms at several downsampled resolutions
    • One mel bin at a time
  8. Why include a mel-spectrogram reconstruction loss alongside adversarial loss?
    • To eliminate the generator
    • To make the model autoregressive
    • To remove the conditioning mel-spectrogram
    • To anchor spectral content while discriminators encourage realistic waveform texture