Викторина, связанная с руководством · Средний Уровень
Викторина UnivNet по вокодеру с несколькими разрешениями
Изучите, как UnivNet использует адаптивные свертки и дискриминаторы спектрограмм с несколькими частотно-временными разрешениями для синтеза речи.
Вопрос 1 из 8
Какова особенность дискриминатора UnivNet?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Какова особенность дискриминатора UnivNet?
- Он вычисляет несколько спектрограмм STFT с разным разрешением и различает их.
- Он использует только один дискриминатор формы сигнала.
- Он оценивает звук, используя языковую модель.
- Он игнорирует высокие частоты.
- Какую проблему в более ранних вокодерах GAN конкретно решает UnivNet?
- Медленная авторегрессионная выборка
- Приглушенные или насыщенные артефактами высокие частоты
- Невозможность запуска на графическом процессоре
- Отсутствие какого-либо дискриминатора
- Что такое свертки переменных местоположения (LVC) в UnivNet?
- Свертки применяются только в начале сигнала
- Исправлены ядра, общие для всех слоев.
- Свертки, ядра которых прогнозируются динамически на основе входных признаков.
- Рекуррентные соединения между кадрами
- What adaptation potential did the UnivNet paper report for new speakers?
- Guaranteed identical quality across every recording condition
- No need for conditioning features or evaluation
- Instant adaptation to every language and microphone
- Fast adaptation without training a new vocoder from scratch
- What synthesis capability did the UnivNet paper report?
- High-fidelity waveform synthesis in real time
- Only offline synthesis after a day-long wait
- One waveform sample per hour
- A text transcript without audio output
- Что требует генератор UnivNet для создания сигнала?
- Необработанный текст
- Мел-спектрограмма
- Спектрограмма только шума
- Таблица продолжительности фонем
- Which adversarial loss did UnivNet use to train its generator and discriminators?
- A word-level cross-entropy loss
- A policy-gradient objective
- A least-squares GAN objective
- A contrastive image-text loss
- What evaluation result did the UnivNet paper report across seen and unseen speakers?
- It outperformed every vocoder on every language and dataset
- It proved no speaker adaptation is ever needed
- It achieved the same result regardless of input features
- It achieved the best objective and subjective results among the compared models in its evaluation