Questionário vinculado ao guia · Médio Nível
Questionário de Vocoder WaveGAN paralelo
Veja como o Parallel WaveGAN transforma recursos acústicos em áudio e combina treinamento adversário com perdas espectrais de múltiplas resoluções.
Pergunta 1 de 8
Qual é o trabalho de um vocoder como o Parallel WaveGAN?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Qual é o trabalho de um vocoder como o Parallel WaveGAN?
- Transforme um espectrograma mel em uma forma de onda de áudio bruta
- Converta texto em fonemas
- Remova o ruído de fundo das gravações
- Traduzir fala entre idiomas
- Como o Parallel WaveGAN gera amostras de áudio em comparação com o WaveNet original?
- Uma amostra de cada vez, sequencialmente
- Todas as amostras em paralelo, não autorregressivamente
- Gravando um microfone
- Concatenando clipes armazenados
- Qual perda é central para o Parallel WaveGAN além da perda adversária?
- Entropia cruzada em tokens de texto
- Perda de classificação tripla
- Perda STFT multi-resolução
- Recompensa de reforço
- Qual arquitetura o gerador Parallel WaveGAN usa?
- Um LSTM recorrente
- Um transformador de visão
- Uma árvore de decisão
- Uma rede estilo WaveNet de convolução dilatada
- Por que o Parallel WaveGAN é atraente para implantação?
- É compacto e funciona mais rápido que o tempo real
- É um modelo muito grande com vários bilhões de parâmetros
- Não requer entrada de espectrograma
- Só funciona em supercomputadores
- Numa GAN, qual o papel do discriminador durante o treinamento?
- Ele gera o espectrograma
- Ele julga se o áudio parece real ou falso
- Ele registra o conjunto de dados
- Armazena pesos de modelo
- In Parallel WaveGAN, what does the noise input contribute alongside mel-spectrogram conditioning?
- The speaker transcript after synthesis
- A replacement for the discriminator
- Stochastic input for waveform generation while the mel features condition the acoustic content
- A fixed random waveform copied into every output
- What does the adversarial loss encourage the Parallel WaveGAN generator to produce?
- Text transcripts with perfect spelling
- Audio samples with no speaker conditioning
- A smaller mel-spectrogram vocabulary
- Waveforms that the discriminator judges as resembling real speech