Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ MelGAN Generative Vocoder

Κατανοήστε πώς το MelGAN αντιστοιχίζει τα φασματογράμματα mel σε κυματομορφές, χρησιμοποιεί συνελικτική δειγματοληψία και εκπαιδεύει τους διακριτικούς σε πολλαπλές κλίμακες.

Σχετικές διαδρομές οδηγώνMelgan Generative Vocoder
Ερώτηση 1 του 8

Ποια είσοδο μετατρέπει το MelGAN σε ακατέργαστη κυματομορφή ήχου;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποια είσοδο μετατρέπει το MelGAN σε ακατέργαστη κυματομορφή ήχου;
    • Ένα φασματογράφημα mel
    • Χαρακτήρες ακατέργαστου κειμένου
    • Ένα αρχείο MIDI
    • Ένα πλέγμα φωνήματος
  2. Γιατί το MelGAN είναι πολύ πιο γρήγορο από το WaveNet στο συμπέρασμα;
    • Χρησιμοποιεί μικρότερο ρυθμό δειγματοληψίας
    • Είναι μη αυτοπαλινδρομικό και παράγει ήχο σε ένα παράλληλο πέρασμα
    • Λειτουργεί μόνο σε TPU
    • Παρακάμπτει τις ζώνες υψηλής συχνότητας
  3. Ποιο διακριτικό σχέδιο διάκρισης εισήγαγε η MelGAN;
    • Ένας μοναδικός παγκόσμιος μεροληπτικός
    • Ένας διαχωριστής που βασίζεται σε μετασχηματιστή
    • Ένας πολλαπλός διαχωριστής που λειτουργεί σε ήχο σε πολλές αναλύσεις
    • Κανένας μεροληπτικός
  4. Ποια απώλεια βοηθά στη σταθεροποίηση της αντίπαλης εκπαίδευσης του MelGAN;
    • Διασταυρούμενη εντροπία σε διακριτικά κειμένου
    • Μέση απώλεια βαθμολογίας γνώμης
    • Τριπλή απώλεια περιθωρίου
    • Απώλεια αντιστοίχισης χαρακτηριστικών μεταξύ ενεργοποιήσεων διακριτικού
  5. Πώς η γεννήτρια MelGAN αυξάνει το δεκτικό της πεδίο;
    • Με τη χρήση διεσταλμένων περιελίξεων σε υπολειμματικά μπλοκ
    • Με την προσθήκη επαναλαμβανόμενων επιπέδων LSTM
    • Χρησιμοποιώντας την προσοχή σε όλο το κλιπ
    • Με στοίβαξη στρώσεων συγκέντρωσης
  6. What subjective evaluation measure did the MelGAN paper report?
    • Word error rate (WER)
    • Mean Opinion Score (MOS)
    • BLEU score
    • Peak signal-to-noise ratio (PSNR) only
  7. What do MelGAN’s transposed convolutions do in the generator?
    • Convert the waveform back into text
    • Choose the phonemes in the input sentence
    • Upsample the mel-spectrogram representation toward the audio waveform rate
    • Reduce the number of audio samples to zero
  8. Which audio domains did the MelGAN paper use to illustrate the generality of its techniques?
    • Machine translation, image captions, and video subtitling
    • Only speech recognition and speaker identification
    • Text summarization, code generation, and image classification
    • Speech synthesis, music-domain translation, and unconditional music synthesis