Quiz o neuronowych wokoderach

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jakie jest główne zadanie neuronowego wokodera?
   • Aby zamienić reprezentację akustyczną, taką jak spektrogram mel, w słyszalny kształt fali
   • Aby przekształcić tekst bezpośrednio w znaczenie
   • Aby tłumaczyć mowę między językami
   • Aby usunąć szum tła z nagrań
2. Który model z 2016 roku był przełomem, dzięki któremu wokodery neuronowe brzmiały naturalnie?
   • HiFi-GAN
   • Sieć WaveNet
   • Takotron
   • MelGAN
3. Dlaczego oryginalny WaveNet wolno generował dźwięk?
   • Wymagało to osobnego procesora graficznego dla każdego słowa
   • Trenował się na każdym wejściu
   • Przewidywał dźwięk po jednej próbce w sposób autoregresyjny
   • Renderował wideo obok dźwięku
4. Jakie informacje w szczególności odrzuca spektrogram mel, utrudniając zadanie wokodera?
   • Głośność dźwięku
   • Język, którym się mówi
   • Częstotliwość próbkowania
   • Informacje o fazie sygnału
5. W jaki sposób wokodery oparte na GAN, takie jak HiFi-GAN, poprawiają realizm?
   • Używając wielu dyskryminatorów, które oceniają sygnał w różnych skalach
   • Najpierw konwertując dźwięk na tekst
   • Uśredniając tysiące nagrań razem
   • Generując jedynie niskie częstotliwości
6. Co w typowym nowoczesnym rurociągu TTS wytwarza spektrogram mel zużywany przez wokoder?
   • Generator hałasu
   • Model akustyczny, taki jak Tacotron 2 lub FastSpeech
   • Sam wokoder
   • 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