가이드 연계 퀴즈 · 중간 레벨
MelGAN 생성 보코더 퀴즈
MelGAN이 멜 스펙트로그램을 파형에 매핑하고, 컨벌루션 업샘플링을 사용하고, 다양한 규모로 판별자를 교육하는 방법을 이해합니다.
질문 1 의 8
MelGAN은 어떤 입력을 원시 오디오 파형으로 변환합니까?
모든 질문 미리보기8 질문
퀴즈를 풀면 정답과 설명이 나타납니다.
- MelGAN은 어떤 입력을 원시 오디오 파형으로 변환합니까?
- 멜 스펙트로그램
- 원시 텍스트 문자
- MIDI 파일
- 음소 격자
- 추론 시 MelGAN이 WaveNet보다 훨씬 빠른 이유는 무엇입니까?
- 더 작은 샘플링 속도를 사용합니다.
- 자동 회귀가 아니며 하나의 병렬 패스로 오디오를 생성합니다.
- TPU에서만 실행됩니다.
- 고주파 대역을 건너뜁니다.
- MelGAN은 어떤 독특한 판별기 디자인을 도입했나요?
- 단일 전역 판별자
- 변환기 기반 판별기
- 여러 해상도의 오디오에서 작동하는 다중 스케일 판별기
- 차별자가 전혀 없음
- MelGAN의 적대적 훈련을 안정화하는 데 도움이 되는 손실은 무엇입니까?
- 텍스트 토큰의 교차 엔트로피
- 평균 의견 점수 손실
- 삼중 마진 손실
- 판별자 활성화 간 기능 일치 손실
- MelGAN의 생성기는 수용 필드를 어떻게 늘리나요?
- 잔차 블록에서 확장된 컨볼루션을 사용하여
- 순환 LSTM 레이어를 추가하여
- 클립 전체에 주의를 기울여
- 풀링 레이어를 쌓아서
- What subjective evaluation measure did the MelGAN paper report?
- Word error rate (WER)
- Mean Opinion Score (MOS)
- BLEU score
- Peak signal-to-noise ratio (PSNR) only
- What do MelGAN’s transposed convolutions do in the generator?
- Convert the waveform back into text
- Choose the phonemes in the input sentence
- Upsample the mel-spectrogram representation toward the audio waveform rate
- Reduce the number of audio samples to zero
- Which audio domains did the MelGAN paper use to illustrate the generality of its techniques?
- Machine translation, image captions, and video subtitling
- Only speech recognition and speaker identification
- Text summarization, code generation, and image classification
- Speech synthesis, music-domain translation, and unconditional music synthesis