Kuiz Vokoder Berasaskan Aliran WaveGlow

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. WaveGlow menggabungkan idea seni bina daripada dua model yang mana?
   • Glow dan WaveNet
   • BERT dan GPT
   • ResNet dan VGG
   • Tacotron dan CLIP
2. Apakah jenis model WaveGlow?
   • Rangkaian musuh generatif
   • Aliran normalisasi
   • Model autoregresif berulang
   • Agen pembelajaran pengukuhan
3. Bagaimanakah WaveGlow menjana bentuk gelombang pada masa inferens?
   • Ia meramalkan sampel satu demi satu
   • Ia mencari pangkalan data klip
   • Ia mengambil sampel bunyi Gaussian dan menjalankan aliran secara terbalik
   • Ia menggunakan diskriminasi
4. Apakah objektif yang WaveGlow optimumkan semasa latihan?
   • Permainan min-maks musuh
   • Entropi silang ke atas label teks
   • Kehilangan kontrastif
   • Kemungkinan log tepat data audio
5. Dua komponen manakah yang membentuk setiap langkah boleh terbalik dalam WaveGlow?
   • Lapisan gandingan afine dan lilitan 1x1 boleh terbalik
   • Perhatian dan blok suapan ke hadapan
   • Pengumpulan dan softmax
   • Menanam dan tercicir
6. Apakah pemudahan latihan yang ditawarkan oleh WaveGlow berbanding kaedah WaveNet selari yang lebih awal?
   • Ia tidak memerlukan spektrogram
   • Ia mengelakkan penyulingan guru-pelajar dengan menggunakan satu rangkaian dan kehilangan
   • Ia menghilangkan keperluan untuk mana-mana GPU
   • Ia tidak memerlukan data audio
7. What does WaveGlow's squeeze operation do before its coupling layers process the signal?
   • Converts the waveform into written phonemes
   • Removes the mel-spectrogram conditioning
   • Groups neighboring audio samples into vectors for the flow transformations
   • Randomly deletes audio segments
8. Which acoustic model is named in the guide as a practical system that can pair with WaveGlow?
   • BERT
   • A* search
   • YOLOv8
   • Tacotron 2