Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący wokodera generatywnego MelGAN
Dowiedz się, w jaki sposób MelGAN odwzorowuje spektrogramy mel na kształty fal, wykorzystuje upsampling splotowy i trenuje dyskryminatory w wielu skalach.
Pytanie 1 z 8
Jakie dane wejściowe MelGAN konwertuje na surowy przebieg audio?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Jakie dane wejściowe MelGAN konwertuje na surowy przebieg audio?
- Spektrogram melowy
- Surowe znaki tekstowe
- Plik MIDI
- Siatka fonemowa
- Dlaczego MelGAN jest znacznie szybszy pod względem wnioskowania niż WaveNet?
- Wykorzystuje mniejszą częstotliwość próbkowania
- Nie jest autoregresyjny i generuje dźwięk w jednym równoległym przebiegu
- Działa tylko na TPU
- Pomija pasma wysokich częstotliwości
- Jaki charakterystyczny projekt dyskryminatora wprowadził MelGAN?
- Pojedynczy globalny dyskryminator
- Dyskryminator oparty na transformatorze
- Wieloskalowy dyskryminator działający na dźwięku w kilku rozdzielczościach
- Żadnego dyskryminacji
- Która strata pomaga ustabilizować trening kontradyktoryjny MelGAN?
- Entropia krzyżowa na tokenach tekstowych
- Średnia utrata wyniku opinii
- Potrójna utrata marży
- Utrata dopasowania cech pomiędzy aktywacjami dyskryminatora
- W jaki sposób generator MelGAN zwiększa swoje pole recepcyjne?
- Za pomocą rozszerzonych splotów w blokach resztkowych
- Dodając powtarzające się warstwy LSTM
- Poprzez skupienie uwagi na całym klipie
- Poprzez układanie warstw łączących
- What subjective evaluation measure did the MelGAN paper report?
- Word error rate (WER)
- Mean Opinion Score (MOS)
- BLEU score
- Peak signal-to-noise ratio (PSNR) only
- What do MelGAN’s transposed convolutions do in the generator?
- Convert the waveform back into text
- Choose the phonemes in the input sentence
- Upsample the mel-spectrogram representation toward the audio waveform rate
- Reduce the number of audio samples to zero
- Which audio domains did the MelGAN paper use to illustrate the generality of its techniques?
- Machine translation, image captions, and video subtitling
- Only speech recognition and speaker identification
- Text summarization, code generation, and image classification
- Speech synthesis, music-domain translation, and unconditional music synthesis