Gids-gekoppelde quiz · Middelmatig Niveau

WaveNet-quiz

Bekijk WaveNet’s autoregressieve golfvormgeneratie, causale gedilateerde convoluties, en waarom het oorspronkelijke bemonsteringsproces traag was.

Gerelateerde gidspadenGolfnet
Vraag 1 van 8

Hoe genereert WaveNet audio?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Hoe genereert WaveNet audio?
    • Eén onbewerkt monster per keer, geconditioneerd op eerdere monsters
    • Door clips uit een vaste bibliotheek te selecteren
    • Door spectrogrammen rechtstreeks naar tekst om te zetten
    • Alle monsters tegelijkertijd zonder bestelling
  2. Wat is de belangrijkste convolutionele innovatie in WaveNet?
    • Max. poolinglagen
    • Verwijde causale windingen
    • Alleen terugkerende poorten
    • Volledig verbonden lagen
  3. 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
  4. Wat was een groot praktisch nadeel van het oorspronkelijke WaveNet?
    • Het kon alleen maar stilte veroorzaken
    • Er waren geen trainingsgegevens voor nodig
    • Het werkte alleen op afbeeldingen
    • Sequentiële bemonstering maakte de generatie traag
  5. 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
  6. Welke organisatie heeft WaveNet geïntroduceerd?
    • NASA
    • DeepMind
    • OpenAI
    • Adobe
  7. 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
  8. 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