Gids-gekoppelde quiz · Middelmatig Niveau

Neurale Vocoders Quiz

Bekijk hoe neurale vocoders golfvormen reconstrueren, waarom autoregressieve synthese traag is en hoe vijandige discriminatoren de gegenereerde audio verbeteren.

Gerelateerde gidspadenNeurale vocoders
Vraag 1 van 8

Wat is de primaire taak van een neurale vocoder?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is de primaire taak van een neurale vocoder?
    • Een akoestische representatie zoals een mel-spectrogram omzetten in een hoorbare golfvorm
    • Om tekst direct om te zetten in betekenis
    • Om spraak tussen talen te vertalen
    • Om achtergrondgeluid uit opnames te verwijderen
  2. Welk model uit 2016 was de doorbraak waardoor neurale vocoders natuurlijk klonken?
    • HiFi-GAN
    • WaveNet
    • Tacotron
    • MelGAN
  3. Waarom was het oorspronkelijke WaveNet traag in het genereren van audio?
    • Er was voor elk woord een aparte GPU nodig
    • Het heeft zichzelf bij elke input opnieuw getraind
    • Het voorspelde audio monster voor monster autoregressief
    • Het leverde video naast de audio op
  4. Welke informatie negeert een mel-spectrogram met name, waardoor de taak van de vocoder moeilijker wordt?
    • De luidheid van het geluid
    • De taal die wordt gesproken
    • De samplefrequentie
    • De fase-informatie van het signaal
  5. Hoe verbeteren GAN-gebaseerde vocoders zoals HiFi-GAN het realisme?
    • Door meerdere discriminatoren te gebruiken die het signaal op verschillende schalen beoordelen
    • Door eerst audio naar tekst te converteren
    • Door duizenden opnames samen te middelen
    • Door alleen lage frequenties te genereren
  6. Wat produceert in een typische moderne TTS-pijplijn het mel-spectrogram dat de vocoder verbruikt?
    • Een geluidsgenerator
    • Een akoestisch model zoals Tacotron 2 of FastSpeech
    • De vocoder zelf
    • Een microfoon
  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