แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบ Vocoder การแพร่กระจายของ DiffWave
เรียนรู้ว่า DiffWave คาดการณ์เสียงรบกวนเพื่อสังเคราะห์รูปคลื่น เงื่อนไขเกี่ยวกับคุณสมบัติทางเสียง และปรับสมดุลความเร็วการสุ่มตัวอย่างกับคุณภาพได้อย่างไร
คำถาม 1 ของ 8
DiffWave สร้างเสียงในเวลาอนุมานได้อย่างไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- DiffWave สร้างเสียงในเวลาอนุมานได้อย่างไร
- โดยการลดสัญญาณรบกวนแบบสุ่มซ้ำๆ ให้กลายเป็นรูปคลื่น
- โดยการสุ่มตัวอย่างค่ารูปคลื่นครั้งละหนึ่งค่าแบบถดถอยอัตโนมัติ
- โดยการต่อหน่วยคำพูดที่บันทึกไว้เข้าด้วยกัน
- ด้วยการรันการส่งผ่าน GAN เดียว
- จริงๆ แล้วเครือข่าย DiffWave เรียนรู้ที่จะทำนายอะไรระหว่างการฝึก?
- รูปคลื่นที่สะอาดตาในช็อตเดียว
- สัญญาณรบกวนที่ถูกเพิ่มเข้าไปในขั้นตอนการแพร่ที่กำหนด
- การถอดเสียงข้อความ
- เอกลักษณ์ของผู้พูด
- ข้อเสียเปรียบหลักในทางปฏิบัติของ DiffWave คืออะไรเมื่อเปรียบเทียบกับโวโคเดอร์ GAN
- ไม่สามารถกำหนดเงื่อนไขบนสเปกโตรแกรมได้
- ใช้งานได้เฉพาะในอัตราตัวอย่างต่ำเท่านั้น
- อาจต้องใช้ขั้นตอนการสุ่มตัวอย่างหลายขั้นตอน ทำให้ช้าลง
- จำเป็นต้องมีการฝึกอบรมฝ่ายตรงข้ามเพื่อให้มีเสถียรภาพ
- DiffWave มีข้อได้เปรียบเหนือโวโคเดอร์ GAN ในการฝึกอบรมอย่างไร
- มันไม่จำเป็นต้องมีโครงข่ายประสาทเทียม
- มันไม่จำเป็นต้องมีข้อมูล
- สร้างเสียงได้ทันทีในขั้นตอนเดียว
- หลีกเลี่ยงการฝึกอบรมฝ่ายตรงข้ามที่ไม่มั่นคง
- เครือข่ายการทำนายสัญญาณรบกวนของ DiffWave มีลักษณะสถาปัตยกรรมใด
- เครือข่าย Convolutional แบบขยายแบบ WaveNet
- โมเดลภาษา LSTM ที่เกิดซ้ำ
- หม้อแปลงวิสัยทัศน์
- การถดถอยเชิงเส้นอย่างง่าย
- ประมาณกี่ขั้นตอนการสุ่มตัวอย่างที่สามารถปรับตารางเวลา DiffWave ได้ดีโดยยังคงรักษาคุณภาพที่ดีไว้ได้
- 1,000 ก้าวเสมอ
- ประมาณหกขั้นตอน
- ประมาณ 500 ขั้น
- เพียงขั้นตอนเดียวโดยไม่ต้องปรับแต่ง
- การแสดงเสียงแบบใดที่สามารถสร้างเงื่อนไข DiffWave ได้เมื่อใช้เป็นโวโคเดอร์
- รายการหมายเลขบรรทัดคำบรรยาย
- CT scan ของม้วนหนังสือโบราณ
- เมล-สเปกโตรแกรม
- กราฟการพึ่งพาซอร์สโค้ด
- DiffWave ใช้การสูญเสียใดในการฝึกอบรมเครือข่ายการทำนายสัญญาณรบกวน
- วัตถุประสงค์อัตราความผิดพลาดของคำ
- การสูญเสียการจับคู่คุณสมบัติผู้เลือกปฏิบัติเท่านั้น
- การสูญเสียความคล้ายคลึงโคไซน์ระหว่างการฝังรูปภาพ
- การสูญเสีย L2 แบบถ่วงน้ำหนักของสัญญาณรบกวนที่คาดการณ์ไว้