Maswali Sambamba ya Vokoda ya WaveGAN

Majibu na maelezo huonekana unapojibu maswali.

1. Je, kazi ya mpiga sauti kama Parallel WaveGAN ni nini?
   • Geuza mel-spectrogram kuwa muundo mbichi wa sauti
   • Badilisha maandishi kuwa fonimu
   • Ondoa kelele ya chinichini kutoka kwa rekodi
   • Tafsiri hotuba kati ya lugha
2. Je, Parallel WaveGAN hutoa vipi sampuli za sauti ikilinganishwa na WaveNet asili?
   • Sampuli moja kwa wakati, mfululizo
   • Sampuli zote kwa sambamba, zisizo za moja kwa moja
   • Kwa kurekodi kipaza sauti
   • Kwa kuunganisha klipu zilizohifadhiwa
3. Ni hasara gani ni muhimu kwa Parallel WaveGAN kando na hasara ya wapinzani?
   • Mtambuka kwenye tokeni za maandishi
   • Hasara ya cheo mara tatu
   • Upotezaji wa STFT wa azimio nyingi
   • Zawadi ya kuimarisha
4. Jenereta ya Parallel WaveGAN hutumia usanifu gani?
   • LSTM ya kawaida
   • Kibadilishaji cha maono
   • Mti wa maamuzi
   • Mtandao uliopanuka wa mtindo wa WaveNet
5. Kwa nini Parallel WaveGAN inavutia kupelekwa?
   • Ni kompakt na inaendesha haraka kuliko wakati halisi
   • Ni mfano mkubwa sana wa mabilioni ya vigezo
   • Haihitaji uingizaji wa spectrogram
   • Inafanya kazi tu kwenye kompyuta kubwa
6. Katika GAN, mbaguzi ana jukumu gani wakati wa mafunzo?
   • Inazalisha spectrogram
   • Huamua ikiwa sauti inaonekana halisi au ya uwongo
   • Inarekodi seti ya data
   • Inahifadhi uzani wa mfano
7. 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
8. 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