Prueba de codificador de voz multiresolución UnivNet

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Cuál es la característica distintiva del discriminador de UnivNet?
   • Calcula múltiples espectrogramas STFT a diferentes resoluciones y los discrimina.
   • Utiliza únicamente un discriminador de forma de onda única.
   • Juzga el audio usando un modelo de lenguaje.
   • Ignora las altas frecuencias.
2. ¿A qué problema de los codificadores de voz GAN anteriores se dirige específicamente UnivNet?
   • Muestreo autorregresivo lento
   • Altas frecuencias amortiguadas o cargadas de artefactos
   • Incapacidad para ejecutarse en GPU
   • Falta de cualquier discriminador.
3. ¿Qué son las convoluciones de ubicación variable (LVC) en UnivNet?
   • Convoluciones aplicadas solo al inicio de la señal.
   • Kernels fijos compartidos en todas las capas.
   • Convoluciones cuyos núcleos se predicen dinámicamente a partir de características de entrada
   • Conexiones recurrentes entre marcos.
4. What adaptation potential did the UnivNet paper report for new speakers?
   • Guaranteed identical quality across every recording condition
   • No need for conditioning features or evaluation
   • Instant adaptation to every language and microphone
   • Fast adaptation without training a new vocoder from scratch
5. What synthesis capability did the UnivNet paper report?
   • High-fidelity waveform synthesis in real time
   • Only offline synthesis after a day-long wait
   • One waveform sample per hour
   • A text transcript without audio output
6. ¿En qué condiciona el generador de UnivNet para producir una forma de onda?
   • Texto sin formato
   • Un espectrograma de mel
   • Un espectrograma de ruido únicamente.
   • Una tabla de duración de fonemas.
7. Which adversarial loss did UnivNet use to train its generator and discriminators?
   • A word-level cross-entropy loss
   • A policy-gradient objective
   • A least-squares GAN objective
   • A contrastive image-text loss
8. What evaluation result did the UnivNet paper report across seen and unseen speakers?
   • It outperformed every vocoder on every language and dataset
   • It proved no speaker adaptation is ever needed
   • It achieved the same result regardless of input features
   • It achieved the best objective and subjective results among the compared models in its evaluation