HiFi-GAN 및 GAN 보코더 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 텍스트 음성 변환 파이프라인에서 HiFi-GAN과 같은 보코더의 주요 작업은 무엇입니까?
   • 멜 스펙트로그램을 원시 오디오 파형으로 변환
   • 원시 텍스트를 음소로 변환
   • 지속 시간에 맞춰 텍스트 정렬
   • 한 언어에서 다른 언어로 음성 번역
2. HiFi-GAN이 이전 WaveNet 보코더보다 훨씬 빠른 이유는 무엇입니까?
   • 더 작은 어휘를 사용합니다.
   • 피드포워드 방식이며 자동 회귀 방식 대신 단일 패스로 전체 파형을 생성합니다.
   • 한 번에 하나씩 샘플을 보다 효율적으로 생성합니다.
   • 스펙트로그램을 완전히 건너뜁니다.
3. HiFi-GAN의 Multi-Period Discriminator는 특히 무엇을 캡처하는 데 도움이 됩니까?
   • 단어의 의미론적 의미
   • 배경 소음 수준
   • 신호의 피치와 관련된 주기적인 패턴
   • 화자의 감성 톤 라벨
4. GAN 보코더는 '적대적으로' 훈련됩니다. 여기서 그게 무슨 뜻인가요?
   • 모델은 인간 내레이터와 경쟁합니다.
   • 훈련 중에 두 가지 언어가 혼합됩니다.
   • 모델은 품질이 아닌 속도에 대해서만 보상을 받습니다.
   • 생성기는 오디오가 실제인지 판단하는 하나 이상의 판별자를 속이려고 합니다.
5. 보이지 않는 목소리, 노래, 악기를 더 잘 일반화하기 위해 HiFi-GAN을 확장한 최신 보코더는 무엇입니까?
   • 빅VGAN
   • 타코트론
   • 웨이브넷
   • 버트
6. HiFi-GAN의 훈련을 안정적이고 입력에 충실하게 유지하는 데 도움이 되는 보조 손실은 무엇입니까?
   • 번역 손실
   • 멜 스펙트로그램 재구성 손실
   • 토큰 분류 손실
   • 강화 보상 신호
7. What does HiFi-GAN’s Multi-Scale Discriminator examine?
   • Only the text transcript
   • The model’s optimizer state
   • Waveforms at several downsampled resolutions
   • One mel bin at a time
8. Why include a mel-spectrogram reconstruction loss alongside adversarial loss?
   • To eliminate the generator
   • To make the model autoregressive
   • To remove the conditioning mel-spectrogram
   • To anchor spectral content while discriminators encourage realistic waveform texture