ガイド連動クイズ · 中 レベル

ウェーブネットクイズ

WaveNet の自己回帰波形生成、因果拡張畳み込み、元のサンプリング プロセスが遅かった理由を確認します。

関連するガイドパスウェーブネット
質問 1 の 8

WaveNet はどのようにしてオーディオを生成しますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. WaveNet はどのようにしてオーディオを生成しますか?
    • 一度に 1 つの生サンプル、以前のサンプルに基づいて調整
    • 固定ライブラリからクリップを選択することにより
    • スペクトログラムを直接テキストに変換する
    • 注文なしですべてのサンプルを同時に
  2. WaveNet における重要な畳み込みイノベーションは何ですか?
    • 最大プーリング層
    • 拡張された因果畳み込み
    • リカレントゲートのみ
    • 完全に接続された層
  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. オリジナルの WaveNet の実質的な大きな欠点は何でしたか?
    • それは静寂を生み出すことしかできなかった
    • トレーニングデータは必要ありませんでした
    • 画像でのみ機能しました
    • シーケンシャルサンプリングにより生成が遅くなる
  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. WaveNet を導入した組織はどこですか?
    • 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