Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Neurális Vocoders kvíz
Review how neural vocoders reconstruct waveforms, why autoregressive synthesis is slow, and how adversarial discriminators improve generated audio.
kérdés 1 -ból 8
Mi a neurális vocoder elsődleges feladata?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi a neurális vocoder elsődleges feladata?
- Egy akusztikus ábrázolást, mint egy mel-spektrogramot, hallható hullámformává alakítani
- A szöveget közvetlenül jelentéssé alakítani
- Beszéd nyelvek közötti fordításához
- A háttérzaj eltávolítása a felvételekről
- Melyik 2016-os modell volt az az áttörés, amely természetessé tette a neurális vokódereket?
- HiFi-GAN
- WaveNet
- Tacotron
- MelGAN
- Miért volt lassú az eredeti WaveNet hanggenerálása?
- Minden szóhoz külön GPU kellett
- Minden bemeneten újraképezte magát
- Autoregresszíven előrejelezte a hangot egy-egy mintán
- Videót jelenített meg a hang mellett
- Milyen információkat vet el a mel-spektrogram, ami megnehezíti a vokóder feladatát?
- A hang hangereje
- A beszélt nyelv
- A mintavételi arány
- A jel fázisinformációja
- Hogyan javítják a valósághűséget az olyan GAN-alapú vokóderek, mint a HiFi-GAN?
- Több diszkriminátor használatával, amelyek különböző skálákon ítélik meg a jelet
- Először a hangot szöveggé konvertálva
- Több ezer felvétel együttes átlagával
- Csak alacsony frekvenciák generálásával
- Egy tipikus modern TTS-csővezetékben mi állítja elő a mel-spektrogramot, amelyet a vocoder fogyaszt?
- Zajgenerátor
- Egy akusztikus modell, mint például a Tacotron 2 vagy a FastSpeech
- Maga a vocoder
- Egy mikrofon
- What component in HiFi-GAN combines residual blocks with different dilation patterns?
- A phoneme tokenizer
- A recurrent attention decoder
- The multi-receptive-field fusion (MRF) module
- A speaker-verification classifier
- What does HiFi-GAN’s multi-period discriminator help assess?
- Whether the text transcript is grammatically correct
- Whether the speaker’s face matches the voice
- Whether the mel-spectrogram uses enough colors
- Whether generated waveform segments reflect realistic periodic patterns