Quiz sur le vocodeur multi-résolution UnivNet

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Quelle est la caractéristique de signature du discriminateur d'UnivNet ?
   • Il calcule plusieurs spectrogrammes STFT à différentes résolutions et les discrimine
   • Il utilise uniquement un seul discriminateur de forme d'onde
   • Il juge l'audio à l'aide d'un modèle de langage
   • Il ignore les hautes fréquences
2. Quel problème dans les vocodeurs GAN antérieurs UnivNet cible-t-il spécifiquement ?
   • Échantillonnage autorégressif lent
   • Hautes fréquences étouffées ou chargées d'artefacts
   • Impossibilité de fonctionner sur GPU
   • Absence de tout discriminateur
3. Que sont les convolutions à variable de localisation (LVC) dans UnivNet ?
   • Convolutions appliquées uniquement au début du signal
   • Noyaux fixes partagés sur toutes les couches
   • Convolutions dont les noyaux sont prédits dynamiquement à partir des fonctionnalités d'entrée
   • Connexions récurrentes entre les trames
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. Sur quoi le générateur d'UnivNet conditionne-t-il pour produire une forme d'onde ?
   • Texte brut
   • Un spectrogramme Mel
   • Un spectrogramme de bruit uniquement
   • Un tableau de durée des phonèmes
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