Útmutatóhoz kapcsolódó kvíz · Közepes Szint

MelGAN Generatív Vocoder kvíz

Understand how MelGAN maps mel-spectrograms to waveforms, uses convolutional upsampling, and trains discriminators at multiple scales.

Kapcsolódó útmutató utakMelgan generatív vokóder
kérdés 1 -ból 8

Milyen bemenetet alakít át a MelGAN nyers hanghullámformává?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen bemenetet alakít át a MelGAN nyers hanghullámformává?
    • Mel-spektrogram
    • Nyers szöveges karakterek
    • MIDI fájl
    • Fonéma rács
  2. Miért sokkal gyorsabb a MelGAN, mint a WaveNet?
    • Kisebb mintavételi arányt használ
    • Nem autoregresszív, és egy párhuzamos menetben generál hangot
    • Csak TPU-kon fut
    • Kihagyja a nagyfrekvenciás sávokat
  3. Milyen megkülönböztető dizájnt vezetett be a MelGAN?
    • Egyetlen globális diszkriminátor
    • Transzformátor alapú diszkriminátor
    • Többléptékű diszkriminátor, amely több felbontású hangon működik
    • Egyáltalán nincs megkülönböztető
  4. Melyik veszteség segít stabilizálni a MelGAN ellenséges edzését?
    • Keresztentrópia szöveges tokeneken
    • Átlagos véleménypontveszteség
    • Hármas árrés veszteség
    • Jellemző-illesztési veszteség a megkülönböztető aktiválások között
  5. Hogyan növeli a MelGAN generátor a befogadó mezőjét?
    • Dilatált konvolúciók alkalmazásával a maradék blokkokban
    • Ismétlődő LSTM rétegek hozzáadásával
    • Figyelemfelkeltéssel az egész klipben
    • Összevonó rétegek egymásra helyezésével
  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