Questionário vinculado ao guia · Médio Nível

Questionário sobre Vocoders HiFi-GAN e GAN

Verifica vocoding mel-to-waveform, geração feed-forward, discriminadores periódicos e multiescala, treinamento adversário e perdas auxiliares.

Caminhos de guia relacionadosVocoders HiFi GAN e GAN
Pergunta 1 de 8

Qual é a principal função de um vocoder como HiFi-GAN em um pipeline de conversão de texto em fala?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Qual é a principal função de um vocoder como HiFi-GAN em um pipeline de conversão de texto em fala?
    • Transformando um espectrograma mel em uma forma de onda de áudio bruta
    • Convertendo texto bruto em fonemas
    • Alinhando texto às durações
    • Traduzindo a fala de um idioma para outro
  2. Por que o HiFi-GAN é muito mais rápido que o vocoder WaveNet anterior?
    • Ele usa um vocabulário menor
    • É feed-forward e produz toda a forma de onda em uma única passagem, em vez de autoregressivamente
    • Ele gera amostras uma de cada vez com mais eficiência
    • Ele pula totalmente o espectrograma
  3. O que o Discriminador Multiperíodo do HiFi-GAN ajuda especificamente a capturar?
    • O significado semântico das palavras
    • Níveis de ruído de fundo
    • Padrões periódicos relacionados ao tom do sinal
    • O rótulo de tom emocional do locutor
  4. Os vocoders GAN são treinados 'contrariamente'. O que isso significa aqui?
    • O modelo compete com narradores humanos
    • Duas línguas são misturadas durante o treinamento
    • O modelo é recompensado apenas pela velocidade, não pela qualidade
    • Um gerador tenta enganar um ou mais discriminadores que julgam se o áudio é real
  5. Qual vocoder posterior estende HiFi-GAN para generalizar melhor para vozes, cantos e instrumentos invisíveis?
    • GrandeVGAN
    • Tacotron
    • WaveNet
    • BERTO
  6. Que perda auxiliar ajuda a manter o treinamento do HiFi-GAN estável e fiel à entrada?
    • Uma perda de tradução
    • Uma perda de reconstrução do espectrograma mel
    • Uma perda de classificação de token
    • Um sinal de recompensa de reforço
  7. O que o discriminador multiescala do HiFi-GAN examina?
    • Apenas a transcrição do texto
    • O estado do otimizador do modelo
    • Formas de onda em diversas resoluções reduzidas
    • Uma caixa de mel de cada vez
  8. Por que incluir uma perda de reconstrução do espectrograma mel junto com a perda adversária?
    • Para eliminar o gerador
    • Para tornar o modelo autoregressivo
    • Para remover o espectrograma mel condicionador
    • Para ancorar o conteúdo espectral enquanto os discriminadores incentivam a textura realista da forma de onda