Questionário vinculado ao guia · Médio Nível
Questionário de Vocoder Generativo MelGAN
Entenda como o MelGAN mapeia espectrogramas mel para formas de onda, usa upsampling convolucional e treina discriminadores em múltiplas escalas.
Pergunta 1 de 8
Que entrada o MelGAN converte em uma forma de onda de áudio bruta?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Que entrada o MelGAN converte em uma forma de onda de áudio bruta?
- Um espectrograma mel
- Caracteres de texto bruto
- Um arquivo MIDI
- Uma rede de fonemas
- Por que o MelGAN é muito mais rápido que o WaveNet na inferência?
- Ele usa uma taxa de amostragem menor
- É não autorregressivo e gera áudio em uma passagem paralela
- Funciona apenas em TPUs
- Ele pula as bandas de alta frequência
- Que design discriminador distinto o MelGAN introduziu?
- Um único discriminador global
- Um discriminador baseado em transformador
- Um discriminador multiescala operando em áudio em diversas resoluções
- Nenhum discriminador
- Qual perda ajuda a estabilizar o treinamento adversário do MelGAN?
- Entropia cruzada em tokens de texto
- Perda média de pontuação de opinião
- Perda de margem tripla
- Perda de correspondência de recursos entre ativações do discriminador
- Como o gerador MelGAN aumenta seu campo receptivo?
- Usando convoluções dilatadas em blocos residuais
- Adicionando camadas LSTM recorrentes
- Usando a atenção durante todo o clipe
- Ao empilhar camadas de pooling
- What subjective evaluation measure did the MelGAN paper report?
- Word error rate (WER)
- Mean Opinion Score (MOS)
- Pontuação BLEU
- 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