Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Párhuzamos WaveGAN Vocoder kvíz
Review how Parallel WaveGAN turns acoustic features into audio and combines adversarial training with multi-resolution spectral losses.
kérdés 1 -ból 8
Mi a feladata egy olyan vokódernek, mint a Parallel WaveGAN?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi a feladata egy olyan vokódernek, mint a Parallel WaveGAN?
- A mel-spektrogramot nyers hanghullámformává alakítsa
- Konvertálja a szöveget fonémákká
- Távolítsa el a háttérzajt a felvételekről
- Beszéd fordítása nyelvek között
- Hogyan generál hangmintákat a Parallel WaveGAN az eredeti WaveNethez képest?
- Egyszerre egy mintát, egymás után
- Minden minta párhuzamosan, nem autoregresszíven
- Mikrofon rögzítésével
- Tárolt klipek összefűzésével
- Melyik veszteség központi szerepet játszik a Parallel WaveGAN-ban a kontradiktórius veszteségen kívül?
- Keresztentrópia szöveges tokeneken
- Tripla rangsorvesztés
- Többfelbontású STFT veszteség
- Megerősítő jutalom
- Milyen architektúrát használ a Parallel WaveGAN generátor?
- Egy visszatérő LSTM
- Látótranszformátor
- Egy döntési fa
- Tágított konvolúciójú WaveNet típusú hálózat
- Miért vonzó a Parallel WaveGAN a telepítéshez?
- Kompakt és gyorsabban fut, mint a valós időben
- Ez egy nagyon nagy, több milliárd paraméterű modell
- Nem igényel spektrogram bevitelt
- Csak szuperszámítógépeken működik
- A GAN-ban milyen szerepet játszik a diszkriminátor a képzés során?
- Ez hozza létre a spektrogramot
- Megítéli, hogy a hang valódinak vagy hamisnak tűnik-e
- Rögzíti az adatkészletet
- Modellsúlyokat tárol
- In Parallel WaveGAN, what does the noise input contribute alongside mel-spectrogram conditioning?
- The speaker transcript after synthesis
- A replacement for the discriminator
- Stochastic input for waveform generation while the mel features condition the acoustic content
- A fixed random waveform copied into every output
- What does the adversarial loss encourage the Parallel WaveGAN generator to produce?
- Text transcripts with perfect spelling
- Audio samples with no speaker conditioning
- A smaller mel-spectrogram vocabulary
- Waveforms that the discriminator judges as resembling real speech