แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการผกผันของสเปกตรัมของกริฟฟิน-ลิม

ติดตามการอัปเดตขนาดและเฟสการสลับของ Griffin-Lim ระบุการตั้งค่าการแปลง และเปรียบเทียบการผกผันโดยประมาณกับโวโคเดอร์ที่เรียนรู้

เส้นทางแนะนำที่เกี่ยวข้องการผกผันของสเปกตรัมของกริฟฟิน ลิม
คำถาม 1 ของ 8

Griffin-Lim ประมาณองค์ประกอบที่ขาดหายไปเมื่อสร้างรูปคลื่นขึ้นใหม่จากขนาดสเปกตรัม

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. Griffin-Lim ประมาณองค์ประกอบที่ขาดหายไปเมื่อสร้างรูปคลื่นขึ้นใหม่จากขนาดสเปกตรัม
    • คำดั้งเดิมที่แสดงโดยสัญญาณ
    • ข้อมูลประจำตัวของผู้พูดในการบันทึก
    • รูปแบบเฟสที่เข้ากันได้กับรูปคลื่น
    • ป้ายกำกับคลาสที่ใช้โดยโมเดลเสียงดาวน์สตรีม
  2. หลังจากผกผัน STFT การวนซ้ำ Griffin-Lim ทำอะไรกับ STFT ใหม่
    • ตั้งค่าทุกเฟสให้เป็นศูนย์ก่อนการแปลงแบบผกผัน
    • แทนที่ขนาดด้วยเป้าหมายโดยยังคงรักษาระยะโดยประมาณไว้
    • อัปเดตขนาดเป้าหมายจากรูปคลื่นปัจจุบันโดยคงเฟสเริ่มต้นไว้คงที่
    • หยุดหลังจากผกผัน STFT โดยไม่ตรวจสอบ STFT ข้างหน้าใหม่
  3. เหตุใดการสร้างใหม่จากขนาดโดยทั่วไปจึงเป็นค่าโดยประมาณ
    • ขนาดประกอบด้วย STFT เชิงซ้อนเต็มรูปแบบ
    • สเปกโตรแกรมทุกอันจะแมปกับรูปคลื่นหนึ่งรูปที่แน่นอน
    • อัลกอริทึมไม่ใช้การแปลงฟูเรียร์
    • ข้อมูลเฟสเดิมถูกยกเลิกแล้ว
  4. การตั้งค่าใดควรตรงกันระหว่างการวิเคราะห์และการสร้างใหม่
    • ขนาด FFT หน้าต่าง การกระโดด และการจัดกึ่งกลาง
    • เฉพาะจำนวนตัวอย่างเอาต์พุตทั้งหมดเท่านั้น
    • เฉพาะอัตราตัวอย่างเท่านั้น โดยไม่คำนึงถึงหน้าต่างหรือการกระโดด
    • การตั้งค่าการแปลงใดๆ ที่สร้างมิติอาร์เรย์เดียวกัน
  5. จำนวนการวนซ้ำที่เพิ่มขึ้นรับประกันว่าเสียงจะดีขึ้นหรือไม่
    • ใช่เสมอ
    • ใช่ ถ้าใช้เฟสสุ่ม
    • ไม่; เอฟเฟ็กต์ขึ้นอยู่กับการแสดงและการตั้งค่า
    • ไม่; การวนซ้ำไม่เคยเปลี่ยนเอาต์พุต
  6. ข้อใดคือบทบาททั่วไปของ Griffin-Lim ในโครงการสุนทรพจน์
    • มันสร้างเฟสดั้งเดิมขึ้นใหม่จากขนาดเพียงอย่างเดียว
    • ข้อมูลพื้นฐานง่ายๆ สำหรับการเปลี่ยนการประมาณขนาดเป็นเสียง
    • ใช้ตัวเข้ารหัสประสาทที่เรียนรู้เพื่อทำนายรูปคลื่น
    • รับประกันรูปคลื่นที่เป็นธรรมชาติจากอินพุตขนาดใดๆ
  7. vocoders ประสาทที่เรียนรู้แตกต่างจาก Griffin-Lim อย่างไร
    • พวกเขาไม่ใช้พารามิเตอร์ที่เรียนรู้และมีเพียงการฉายภาพคงที่แบบอื่นเท่านั้น
    • พวกเขาต้องใช้เฟสโดยประมาณของ Griffin-Lim ซ้ำในทุกขั้นตอน
    • พวกเขาทำนายเฉพาะคำที่ถอดเสียงมากกว่าตัวอย่างรูปคลื่น
    • พวกเขาใช้แบบจำลองที่ได้รับการฝึกอบรมเพื่อจับคู่การแสดงเสียงกับรูปคลื่น
  8. สิ่งที่ควรทำเมื่อตัดสินคุณภาพผลผลิตของ Griffin-Lim
    • ฟังและประเมินเสียงที่เกี่ยวข้องกับงาน ไม่ใช่แค่คะแนนสเปกตรัม
    • สมมติว่าข้อผิดพลาดทางสเปกตรัมที่เล็กกว่ารับประกันเสียงพูดที่เป็นธรรมชาติ
    • ใช้การนับซ้ำเพียงอย่างเดียวเป็นการวัดคุณภาพ
    • ตัดสินทุกการบันทึกจากตัวอย่างการสร้างใหม่ทั้งหมดเพียงตัวอย่างเดียว