Kuis WaveNet

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Bagaimana WaveNet menghasilkan audio?
   • Satu sampel mentah pada satu waktu, dikondisikan pada sampel sebelumnya
   • Dengan memilih klip dari perpustakaan tetap
   • Dengan mengubah spektogram langsung menjadi teks
   • Semua sampel secara bersamaan tanpa pemesanan
2. Apa inovasi konvolusional utama di WaveNet?
   • Lapisan pengumpulan maksimal
   • Konvolusi kausal yang melebar
   • Hanya gerbang berulang
   • Lapisan yang terhubung sepenuhnya
3. How did the original WaveNet represent quantized waveform samples for prediction?
   • As a single continuous average for the entire clip
   • As speaker IDs only
   • As a categorical distribution over 256 µ-law-quantized values
   • As a sequence of image patches
4. Apa kelemahan praktis utama dari WaveNet yang asli?
   • Itu hanya bisa menghasilkan keheningan
   • Itu tidak memerlukan data pelatihan
   • Itu hanya berfungsi pada gambar
   • Pengambilan sampel sekuensial membuat pembangkitan menjadi lambat
5. In the speech-synthesis experiments described in the WaveNet paper, what does the model generate?
   • Raw speech waveforms sample by sample, conditioned on linguistic features
   • A mel-spectrogram that is itself the final audio
   • Only phoneme labels without audio
   • A MIDI score
6. Organisasi mana yang memperkenalkan WaveNet?
   • NASA
   • DeepMind
   • OpenAI
   • Adobe
7. What does causal convolution prevent in WaveNet?
   • Using preceding samples as context
   • Generating any audio waveform
   • Using future audio samples to predict the current sample
   • Conditioning on text or speaker features
8. What activation structure does the original WaveNet use in its gated convolutional layers?
   • A ReLU output concatenated with image patches
   • A softmax over speakers only
   • A linear layer without nonlinearities
   • A tanh-filter output multiplied elementwise by a sigmoid gate