Kuis Vocoder Multi-Resolusi UnivNet

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa ciri khas dari diskriminator UnivNet?
   • Ini menghitung beberapa spektogram STFT pada resolusi berbeda dan membedakannya
   • Ia hanya menggunakan diskriminator bentuk gelombang tunggal
   • Ini menilai audio menggunakan model bahasa
   • Ini mengabaikan frekuensi tinggi
2. Masalah apa pada vocoder GAN sebelumnya yang secara khusus ditargetkan oleh UnivNet?
   • Pengambilan sampel autoregresif lambat
   • Frekuensi tinggi yang teredam atau sarat artefak
   • Ketidakmampuan untuk berjalan pada GPU
   • Kurangnya diskriminasi
3. Apa yang dimaksud dengan konvolusi variabel lokasi (LVC) di UnivNet?
   • Konvolusi hanya diterapkan pada awal sinyal
   • Memperbaiki kernel yang dibagikan di semua lapisan
   • Konvolusi yang kernelnya diprediksi secara dinamis dari fitur masukan
   • Koneksi berulang antar frame
4. What adaptation potential did the UnivNet paper report for new speakers?
   • Guaranteed identical quality across every recording condition
   • No need for conditioning features or evaluation
   • Instant adaptation to every language and microphone
   • Fast adaptation without training a new vocoder from scratch
5. What synthesis capability did the UnivNet paper report?
   • High-fidelity waveform synthesis in real time
   • Only offline synthesis after a day-long wait
   • One waveform sample per hour
   • A text transcript without audio output
6. Apa kondisi generator UnivNet untuk menghasilkan bentuk gelombang?
   • Teks mentah
   • Spektogram mel
   • Spektogram kebisingan saja
   • Tabel durasi fonem
7. Which adversarial loss did UnivNet use to train its generator and discriminators?
   • A word-level cross-entropy loss
   • A policy-gradient objective
   • A least-squares GAN objective
   • A contrastive image-text loss
8. What evaluation result did the UnivNet paper report across seen and unseen speakers?
   • It outperformed every vocoder on every language and dataset
   • It proved no speaker adaptation is ever needed
   • It achieved the same result regardless of input features
   • It achieved the best objective and subjective results among the compared models in its evaluation