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.

Kapcsolódó útmutató utakNeurális Vokóderek
kérdés 1 -ból 8

Mi a neurális vocoder elsődleges feladata?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. 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
  2. Melyik 2016-os modell volt az az áttörés, amely természetessé tette a neurális vokódereket?
    • HiFi-GAN
    • WaveNet
    • Tacotron
    • MelGAN
  3. 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
  4. Milyen információkat vet el a mel-spektrogram, ami megnehezíti a vokóder feladatát?
    • A hang hangereje
    • A beszélt nyelv
    • A mintavételi arány
    • A jel fázisinformációja
  5. 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
  6. 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
  7. 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
  8. 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