Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Vocoder Neural

Semak cara vocoder saraf membina semula bentuk gelombang, sebab sintesis autoregresif adalah perlahan dan cara diskriminator lawan meningkatkan audio yang dijana.

Laluan panduan yang berkaitanVokoder Neural
soalan 1 daripada 8

Apakah tugas utama vocoder saraf?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah tugas utama vocoder saraf?
    • Untuk menukar perwakilan akustik seperti mel-spektrogram kepada bentuk gelombang yang boleh didengar
    • Untuk menukar teks terus kepada makna
    • Untuk menterjemah pertuturan antara bahasa
    • Untuk mengalih keluar bunyi latar belakang daripada rakaman
  2. Model 2016 yang manakah merupakan penemuan yang menjadikan vocoder saraf terdengar semula jadi?
    • HiFi-GAN
    • WaveNet
    • Tacotron
    • MelGAN
  3. Mengapakah WaveNet asal lambat menjana audio?
    • Ia memerlukan GPU yang berasingan untuk setiap perkataan
    • Ia melatih semula dirinya pada setiap input
    • Ia meramalkan audio satu sampel pada satu masa secara autoregresif
    • Ia memaparkan video bersama audio
  4. Apakah maklumat yang dibuang terutamanya oleh mel-spektrogram, menjadikan tugas vocoder lebih sukar?
    • Kelantangan audio
    • Bahasa yang dituturkan
    • Kadar sampel
    • Maklumat fasa isyarat
  5. Bagaimanakah vocoder berasaskan GAN seperti HiFi-GAN meningkatkan realisme?
    • Dengan menggunakan pelbagai diskriminasi yang menilai isyarat pada skala yang berbeza
    • Dengan menukar audio kepada teks terlebih dahulu
    • Dengan purata beribu-ribu rakaman bersama-sama
    • Dengan hanya menjana frekuensi rendah
  6. Dalam saluran paip TTS moden yang tipikal, apakah yang menghasilkan mel-spektrogram yang digunakan oleh vocoder?
    • Penjana bunyi
    • Model akustik seperti Tacotron 2 atau FastSpeech
    • Vocoder itu sendiri
    • Sebuah mikrofon
  7. What component in HiFi-GAN combines residual blocks with different dilation patterns?
    • A phoneme tokenizer
    • A recurrent attention decoder
    • The multi-receptive-field fusion (MRF) module
    • A speaker-verification classifier
  8. What does HiFi-GAN’s multi-period discriminator help assess?
    • Whether the text transcript is grammatically correct
    • Whether the speaker’s face matches the voice
    • Whether the mel-spectrogram uses enough colors
    • Whether generated waveform segments reflect realistic periodic patterns