Викторина по нейронным вокодерам

Ответы и пояснения появляются по мере прохождения теста.

1. Какова основная задача нейронного вокодера?
   • Превратить акустическое представление, такое как мел-спектрограмма, в звуковой сигнал.
   • Чтобы преобразовать текст непосредственно в смысл
   • Для перевода речи между языками
   • Удаление фонового шума из записей
2. Какая модель 2016 года стала прорывом, благодаря которому нейронные вокодеры стали звучать естественно?
   • HiFi-ГАН
   • ВейвНет
   • Такотрон
   • МелГАН
3. Почему оригинальная WaveNet медленно генерировала звук?
   • Для каждого слова требовался отдельный графический процессор.
   • Он переобучался при каждом вводе
   • Он предсказывал звук по одному сэмплу за раз методом авторегрессии.
   • Он рендерил видео вместе со звуком.
4. Какую информацию особенно отбрасывает мел-спектрограмма, что усложняет задачу вокодера?
   • Громкость звука
   • Язык, на котором говорят
   • Частота дискретизации
   • Информация о фазе сигнала
5. Как вокодеры на основе GAN, такие как HiFi-GAN, улучшают реализм?
   • Используя несколько дискриминаторов, которые оценивают сигнал в разных масштабах.
   • Сначала преобразуя аудио в текст
   • Усредняя тысячи записей вместе
   • Генерируя только низкие частоты
6. Что в типичном современном конвейере TTS создает мел-спектрограмму, которую потребляет вокодер?
   • Генератор шума
   • Акустическая модель, такая как Tacotron 2 или FastSpeech.
   • Сам вокодер
   • Микрофон
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