डिफ़वेव डिफ्यूज़न वोकोडर क्विज़

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. डिफ़वेव अनुमान के समय ऑडियो कैसे उत्पन्न करता है?
   • यादृच्छिक शोर को एक तरंग रूप में पुनरावृत्त रूप से निरूपित करके
   • एक समय में एक तरंग मान का स्वत:प्रतिगामी नमूनाकरण करके
   • रिकॉर्ड की गई भाषण इकाइयों को संयोजित करके
   • एकल GAN फ़ॉरवर्ड पास चलाकर
2. डिफ़वेव नेटवर्क वास्तव में प्रशिक्षण के दौरान क्या भविष्यवाणी करना सीखता है?
   • एक ही बार में सीधे स्वच्छ तरंग
   • किसी दिए गए प्रसार चरण पर शोर जोड़ा गया
   • पाठ प्रतिलेख
   • वक्ता की पहचान
3. GAN वोकोडर्स की तुलना में डिफवेव का मुख्य व्यावहारिक दोष क्या है?
   • यह स्पेक्ट्रोग्राम पर कंडीशन नहीं कर सकता
   • यह केवल कम नमूना दरों पर काम करता है
   • इसमें कई नमूनाकरण चरणों की आवश्यकता हो सकती है, जिससे यह धीमा हो जाएगा
   • इसे स्थिर रहने के लिए प्रतिकूल प्रशिक्षण की आवश्यकता है
4. प्रशिक्षण में GAN वोकोडर्स की तुलना में DiffWave को क्या लाभ है?
   • इसके लिए किसी तंत्रिका नेटवर्क की आवश्यकता नहीं है
   • इसके लिए किसी डेटा की आवश्यकता नहीं है
   • यह एक चरण में तुरंत ऑडियो उत्पन्न करता है
   • यह अस्थिर प्रतिकूल प्रशिक्षण से बचाता है
5. डिफवेव का शोर-भविष्यवाणी नेटवर्क किस वास्तुकला से मिलता जुलता है?
   • एक वेवनेट-शैली विस्तृत संकेंद्रित नेटवर्क
   • एक आवर्ती LSTM भाषा मॉडल
   • एक दृष्टि ट्रांसफार्मर
   • एक सरल रेखीय प्रतिगमन
6. मोटे तौर पर अच्छी गुणवत्ता बनाए रखते हुए अच्छी तरह से ट्यून किए गए डिफवेव शेड्यूल कितने नमूना चरणों का उपयोग कर सकते हैं?
   • हमेशा बिल्कुल 1000 कदम
   • लगभग छह कदम
   • लगभग 500 कदम
   • बिना किसी ट्यूनिंग के बस एक कदम
7. What acoustic representation can condition DiffWave when it is used as a vocoder?
   • A list of subtitle line numbers
   • A CT scan of an ancient scroll
   • एक मेल-स्पेक्ट्रोग्राम
   • A source-code dependency graph
8. What loss does DiffWave use to train its noise-prediction network?
   • A word-error-rate objective
   • A discriminator feature-matching loss only
   • A cosine-similarity loss between image embeddings
   • A weighted L2 loss on the predicted noise