แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบ Vocoder การแพร่กระจายของ DiffWave

เรียนรู้ว่า DiffWave คาดการณ์เสียงรบกวนเพื่อสังเคราะห์รูปคลื่น เงื่อนไขเกี่ยวกับคุณสมบัติทางเสียง และปรับสมดุลความเร็วการสุ่มตัวอย่างกับคุณภาพได้อย่างไร

เส้นทางแนะนำที่เกี่ยวข้องดิฟเวฟ ดิฟฟิวชัน โวโคเดอร์
คำถาม 1 ของ 8

DiffWave สร้างเสียงในเวลาอนุมานได้อย่างไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. DiffWave สร้างเสียงในเวลาอนุมานได้อย่างไร
    • โดยการลดสัญญาณรบกวนแบบสุ่มซ้ำๆ ให้กลายเป็นรูปคลื่น
    • โดยการสุ่มตัวอย่างค่ารูปคลื่นครั้งละหนึ่งค่าแบบถดถอยอัตโนมัติ
    • โดยการต่อหน่วยคำพูดที่บันทึกไว้เข้าด้วยกัน
    • ด้วยการรันการส่งผ่าน GAN เดียว
  2. จริงๆ แล้วเครือข่าย DiffWave เรียนรู้ที่จะทำนายอะไรระหว่างการฝึก?
    • รูปคลื่นที่สะอาดตาในช็อตเดียว
    • สัญญาณรบกวนที่ถูกเพิ่มเข้าไปในขั้นตอนการแพร่ที่กำหนด
    • การถอดเสียงข้อความ
    • เอกลักษณ์ของผู้พูด
  3. ข้อเสียเปรียบหลักในทางปฏิบัติของ DiffWave คืออะไรเมื่อเปรียบเทียบกับโวโคเดอร์ GAN
    • ไม่สามารถกำหนดเงื่อนไขบนสเปกโตรแกรมได้
    • ใช้งานได้เฉพาะในอัตราตัวอย่างต่ำเท่านั้น
    • อาจต้องใช้ขั้นตอนการสุ่มตัวอย่างหลายขั้นตอน ทำให้ช้าลง
    • จำเป็นต้องมีการฝึกอบรมฝ่ายตรงข้ามเพื่อให้มีเสถียรภาพ
  4. DiffWave มีข้อได้เปรียบเหนือโวโคเดอร์ GAN ในการฝึกอบรมอย่างไร
    • มันไม่จำเป็นต้องมีโครงข่ายประสาทเทียม
    • มันไม่จำเป็นต้องมีข้อมูล
    • สร้างเสียงได้ทันทีในขั้นตอนเดียว
    • หลีกเลี่ยงการฝึกอบรมฝ่ายตรงข้ามที่ไม่มั่นคง
  5. เครือข่ายการทำนายสัญญาณรบกวนของ DiffWave มีลักษณะสถาปัตยกรรมใด
    • เครือข่าย Convolutional แบบขยายแบบ WaveNet
    • โมเดลภาษา LSTM ที่เกิดซ้ำ
    • หม้อแปลงวิสัยทัศน์
    • การถดถอยเชิงเส้นอย่างง่าย
  6. ประมาณกี่ขั้นตอนการสุ่มตัวอย่างที่สามารถปรับตารางเวลา DiffWave ได้ดีโดยยังคงรักษาคุณภาพที่ดีไว้ได้
    • 1,000 ก้าวเสมอ
    • ประมาณหกขั้นตอน
    • ประมาณ 500 ขั้น
    • เพียงขั้นตอนเดียวโดยไม่ต้องปรับแต่ง
  7. การแสดงเสียงแบบใดที่สามารถสร้างเงื่อนไข DiffWave ได้เมื่อใช้เป็นโวโคเดอร์
    • รายการหมายเลขบรรทัดคำบรรยาย
    • CT scan ของม้วนหนังสือโบราณ
    • เมล-สเปกโตรแกรม
    • กราฟการพึ่งพาซอร์สโค้ด
  8. DiffWave ใช้การสูญเสียใดในการฝึกอบรมเครือข่ายการทำนายสัญญาณรบกวน
    • วัตถุประสงค์อัตราความผิดพลาดของคำ
    • การสูญเสียการจับคู่คุณสมบัติผู้เลือกปฏิบัติเท่านั้น
    • การสูญเสียความคล้ายคลึงโคไซน์ระหว่างการฝังรูปภาพ
    • การสูญเสีย L2 แบบถ่วงน้ำหนักของสัญญาณรบกวนที่คาดการณ์ไว้