Kuis Vocoder Berbasis Aliran WaveGlow

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. WaveGlow menggabungkan ide arsitektur dari dua model yang mana?
   • Cahaya dan WaveNet
   • BERT dan GPT
   • ResNet dan VGG
   • Tacotron dan KLIP
2. Model seperti apa WaveGlow itu?
   • Jaringan permusuhan generatif
   • Aliran normalisasi
   • Model autoregresif berulang
   • Agen pembelajaran penguatan
3. Bagaimana WaveGlow menghasilkan bentuk gelombang pada waktu inferensi?
   • Ini memprediksi sampel satu per satu
   • Ia mencari database klip
   • Ini mengambil sampel kebisingan Gaussian dan menjalankan aliran secara terbalik
   • Ini menggunakan diskriminator
4. Tujuan apa yang dioptimalkan WaveGlow selama pelatihan?
   • Permainan min-maks yang bermusuhan
   • Entropi silang pada label teks
   • Sebuah kekalahan yang kontras
   • Kemungkinan log yang tepat dari data audio
5. Dua komponen manakah yang membentuk setiap langkah yang dapat dibalik di WaveGlow?
   • Lapisan kopling Affine dan konvolusi 1x1 yang dapat dibalik
   • Blok perhatian dan umpan maju
   • Penggabungan dan softmax
   • Menanam dan putus sekolah
6. Penyederhanaan pelatihan apa yang ditawarkan WaveGlow dibandingkan metode WaveNet paralel sebelumnya?
   • Tidak memerlukan spektogram
   • Ini menghindari distilasi guru-siswa dengan menggunakan satu jaringan dan kerugian
   • Ini menghilangkan kebutuhan akan GPU apa pun
   • Itu tidak memerlukan data audio
7. What does WaveGlow's squeeze operation do before its coupling layers process the signal?
   • Converts the waveform into written phonemes
   • Removes the mel-spectrogram conditioning
   • Groups neighboring audio samples into vectors for the flow transformations
   • Randomly deletes audio segments
8. Which acoustic model is named in the guide as a practical system that can pair with WaveGlow?
   • BERT
   • A* search
   • YOLOv8
   • Tacotron 2