Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ για νευρωνικούς φωνοκωδικοποιητές

Εξετάστε τον τρόπο με τον οποίο οι νευρωνικοί φωνοκωδικοποιητές ανασυνθέτουν τις κυματομορφές, γιατί η αυτοπαλινδρομική σύνθεση είναι αργή και πώς οι αντίπαλοι διαχωριστές βελτιώνουν τον παραγόμενο ήχο.

Σχετικές διαδρομές οδηγώνΝευρωνικοί φωνοκωδικοποιητές
Ερώτηση 1 του 8

Ποια είναι η κύρια δουλειά ενός νευρικού φωνοκωδικοποιητή;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποια είναι η κύρια δουλειά ενός νευρικού φωνοκωδικοποιητή;
    • Για να μετατρέψει μια ακουστική αναπαράσταση όπως ένα φασματογράφημα μελωδών σε μια ακουστική κυματομορφή
    • Για να μετατρέψετε το κείμενο απευθείας σε νόημα
    • Για τη μετάφραση ομιλίας μεταξύ γλωσσών
    • Για να αφαιρέσετε το θόρυβο του περιβάλλοντος από τις εγγραφές
  2. Ποιο μοντέλο του 2016 ήταν η σημαντική ανακάλυψη που έκανε τους νευρικούς φωνοκωδικοποιητές να ακούγονται φυσικοί;
    • HiFi-GAN
    • WaveNet
    • Tacotron
    • MelGAN
  3. Γιατί το αρχικό WaveNet άργησε να παράγει ήχο;
    • Απαιτούσε ξεχωριστή GPU για κάθε λέξη
    • Εκπαιδεύτηκε εκ νέου σε κάθε είσοδο
    • Προέβλεψε τον ήχο ένα δείγμα τη φορά αυτοπαλινδρομικά
    • Απέδωσε βίντεο μαζί με τον ήχο
  4. Ποιες πληροφορίες απορρίπτει ένα φασματογράφημα mel, καθιστώντας το έργο του κωδικοποιητή φωνής πιο δύσκολο;
    • Η ένταση του ήχου
    • Η γλώσσα που ομιλείται
    • Το ποσοστό δείγματος
    • Οι πληροφορίες φάσης του σήματος
  5. Πώς οι κωδικοποιητές φωνής που βασίζονται σε GAN, όπως το HiFi-GAN, βελτιώνουν τον ρεαλισμό;
    • Χρησιμοποιώντας πολλαπλούς διαχωριστές που κρίνουν το σήμα σε διαφορετικές κλίμακες
    • Μετατρέποντας πρώτα τον ήχο σε κείμενο
    • Με τον μέσο όρο χιλιάδων ηχογραφήσεων μαζί
    • Παράγοντας μόνο χαμηλές συχνότητες
  6. Σε έναν τυπικό σύγχρονο αγωγό TTS, τι παράγει το φασματογράφημα mel που καταναλώνει ο κωδικοποιητής φωνής;
    • Μια γεννήτρια θορύβου
    • Ένα ακουστικό μοντέλο όπως το Tacotron 2 ή το FastSpeech
    • Ο ίδιος ο φωνοκωδικοποιητής
    • Ένα μικρόφωνο
  7. Ποιο στοιχείο στο HiFi-GAN συνδυάζει υπολειμματικά μπλοκ με διαφορετικά μοτίβα διαστολής;
    • Ένα φωνητικό σήμανσης
    • Ένας αποκωδικοποιητής επαναλαμβανόμενης προσοχής
    • Η μονάδα σύντηξης πολλαπλών δεκτών πεδίων (MRF).
    • Ένας ταξινομητής επαλήθευσης ηχείου
  8. Τι βοηθά στην αξιολόγηση του εργαλείου διάκρισης πολλαπλών περιόδων του HiFi-GAN;
    • Αν η μεταγραφή του κειμένου είναι γραμματικά σωστή
    • Αν το πρόσωπο του ομιλητή ταιριάζει με τη φωνή
    • Εάν το φασματογράφημα mel χρησιμοποιεί αρκετά χρώματα
    • Εάν τα δημιουργούμενα τμήματα κυματομορφής αντικατοπτρίζουν ρεαλιστικά περιοδικά μοτίβα