가이드 연계 퀴즈 · 중간 레벨
웨이브넷 퀴즈
WaveNet의 자동 회귀 파형 생성, 인과 확장 컨볼루션 및 원래 샘플링 프로세스가 느린 이유를 검토합니다.
질문 1 의 8
WaveNet은 어떻게 오디오를 생성합니까?
모든 질문 미리보기8 질문
퀴즈를 풀면 정답과 설명이 나타납니다.
- WaveNet은 어떻게 오디오를 생성합니까?
- 이전 샘플을 기준으로 한 번에 하나의 원시 샘플
- 고정 라이브러리에서 클립 선택
- 스펙트로그램을 텍스트로 직접 변환하여
- 주문 없이 모든 샘플을 동시에
- WaveNet의 핵심 컨볼루셔널 혁신은 무엇입니까?
- 최대 풀링 레이어
- 확장된 인과 컨볼루션
- 순환 게이트만 해당
- 완전 연결 레이어
- 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
- 원래 WaveNet의 실제적인 주요 단점은 무엇이었습니까?
- 그것은 침묵만을 낳을 뿐이었다
- 학습 데이터가 필요하지 않습니다.
- 이미지에서만 작동했습니다.
- 순차적 샘플링으로 인해 생성 속도가 느려짐
- 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
- WaveNet을 도입한 조직은 어디입니까?
- NASA
- DeepMind
- OpenAI
- Adobe
- 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
- 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