Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Vokoda ya Kuzalisha ya MelGAN

Elewa jinsi MelGAN inachora ramani za mel-spectrogram hadi muundo wa mawimbi, hutumia uboreshaji wa upanuzi, na kuwafunza wabaguzi katika mizani nyingi.

Njia za mwongozo zinazohusianaMelgan Generative Vokoda
Swali 1 ya 8

Je, MelGAN hubadilisha maoni gani kuwa muundo mbichi wa sauti?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Je, MelGAN hubadilisha maoni gani kuwa muundo mbichi wa sauti?
    • Mel-spectrogram
    • Vibambo vya maandishi ghafi
    • Faili ya MIDI
    • Kibao cha fonimu
  2. Kwa nini MelGAN ni haraka sana kuliko WaveNet kwa uelekezaji?
    • Inatumia kiwango kidogo cha sampuli
    • Haihusiki na hutoa sauti katika pasi moja sambamba
    • Inatumika kwenye TPU pekee
    • Inaruka bendi za masafa ya juu
  3. MelGAN alianzisha muundo gani tofauti wa kibaguzi?
    • Mbaguzi mmoja wa kimataifa
    • Kibaguzi cha msingi wa transfoma
    • Kibaguzi cha viwango vingi kinachofanya kazi kwenye sauti katika maazimio kadhaa
    • Hakuna mbaguzi hata kidogo
  4. Ni hasara gani husaidia kuleta utulivu katika mafunzo ya wapinzani ya MelGAN?
    • Mtambuka kwenye tokeni za maandishi
    • Maana ya kupoteza alama ya maoni
    • Upotevu wa ukingo wa pembe tatu
    • Hasara ya kulinganisha kipengele kati ya kuwezesha kibaguzi
  5. Jenereta ya MelGAN huongeza vipi uwanja wake wa kupokea?
    • Kwa kutumia mipasuko iliyopanuliwa katika vizuizi vya mabaki
    • Kwa kuongeza tabaka za LSTM za kawaida
    • Kwa kutumia umakini kwenye klipu nzima
    • Kwa kuweka tabaka za kuunganisha
  6. What subjective evaluation measure did the MelGAN paper report?
    • Kiwango cha makosa ya Neno (WER)
    • Mean Opinion Score (MOS)
    • BLEU score
    • Peak signal-to-noise ratio (PSNR) only
  7. 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
  8. 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