แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการผกผันของสเปกตรัมของกริฟฟิน-ลิม
ติดตามการอัปเดตขนาดและเฟสการสลับของ Griffin-Lim ระบุการตั้งค่าการแปลง และเปรียบเทียบการผกผันโดยประมาณกับโวโคเดอร์ที่เรียนรู้
คำถาม 1 ของ 8
Griffin-Lim ประมาณองค์ประกอบที่ขาดหายไปเมื่อสร้างรูปคลื่นขึ้นใหม่จากขนาดสเปกตรัม
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- Griffin-Lim ประมาณองค์ประกอบที่ขาดหายไปเมื่อสร้างรูปคลื่นขึ้นใหม่จากขนาดสเปกตรัม
- คำดั้งเดิมที่แสดงโดยสัญญาณ
- ข้อมูลประจำตัวของผู้พูดในการบันทึก
- รูปแบบเฟสที่เข้ากันได้กับรูปคลื่น
- ป้ายกำกับคลาสที่ใช้โดยโมเดลเสียงดาวน์สตรีม
- หลังจากผกผัน STFT การวนซ้ำ Griffin-Lim ทำอะไรกับ STFT ใหม่
- ตั้งค่าทุกเฟสให้เป็นศูนย์ก่อนการแปลงแบบผกผัน
- แทนที่ขนาดด้วยเป้าหมายโดยยังคงรักษาระยะโดยประมาณไว้
- อัปเดตขนาดเป้าหมายจากรูปคลื่นปัจจุบันโดยคงเฟสเริ่มต้นไว้คงที่
- หยุดหลังจากผกผัน STFT โดยไม่ตรวจสอบ STFT ข้างหน้าใหม่
- เหตุใดการสร้างใหม่จากขนาดโดยทั่วไปจึงเป็นค่าโดยประมาณ
- ขนาดประกอบด้วย STFT เชิงซ้อนเต็มรูปแบบ
- สเปกโตรแกรมทุกอันจะแมปกับรูปคลื่นหนึ่งรูปที่แน่นอน
- อัลกอริทึมไม่ใช้การแปลงฟูเรียร์
- ข้อมูลเฟสเดิมถูกยกเลิกแล้ว
- การตั้งค่าใดควรตรงกันระหว่างการวิเคราะห์และการสร้างใหม่
- ขนาด FFT หน้าต่าง การกระโดด และการจัดกึ่งกลาง
- เฉพาะจำนวนตัวอย่างเอาต์พุตทั้งหมดเท่านั้น
- เฉพาะอัตราตัวอย่างเท่านั้น โดยไม่คำนึงถึงหน้าต่างหรือการกระโดด
- การตั้งค่าการแปลงใดๆ ที่สร้างมิติอาร์เรย์เดียวกัน
- จำนวนการวนซ้ำที่เพิ่มขึ้นรับประกันว่าเสียงจะดีขึ้นหรือไม่
- ใช่เสมอ
- ใช่ ถ้าใช้เฟสสุ่ม
- ไม่; เอฟเฟ็กต์ขึ้นอยู่กับการแสดงและการตั้งค่า
- ไม่; การวนซ้ำไม่เคยเปลี่ยนเอาต์พุต
- ข้อใดคือบทบาททั่วไปของ Griffin-Lim ในโครงการสุนทรพจน์
- มันสร้างเฟสดั้งเดิมขึ้นใหม่จากขนาดเพียงอย่างเดียว
- ข้อมูลพื้นฐานง่ายๆ สำหรับการเปลี่ยนการประมาณขนาดเป็นเสียง
- ใช้ตัวเข้ารหัสประสาทที่เรียนรู้เพื่อทำนายรูปคลื่น
- รับประกันรูปคลื่นที่เป็นธรรมชาติจากอินพุตขนาดใดๆ
- vocoders ประสาทที่เรียนรู้แตกต่างจาก Griffin-Lim อย่างไร
- พวกเขาไม่ใช้พารามิเตอร์ที่เรียนรู้และมีเพียงการฉายภาพคงที่แบบอื่นเท่านั้น
- พวกเขาต้องใช้เฟสโดยประมาณของ Griffin-Lim ซ้ำในทุกขั้นตอน
- พวกเขาทำนายเฉพาะคำที่ถอดเสียงมากกว่าตัวอย่างรูปคลื่น
- พวกเขาใช้แบบจำลองที่ได้รับการฝึกอบรมเพื่อจับคู่การแสดงเสียงกับรูปคลื่น
- สิ่งที่ควรทำเมื่อตัดสินคุณภาพผลผลิตของ Griffin-Lim
- ฟังและประเมินเสียงที่เกี่ยวข้องกับงาน ไม่ใช่แค่คะแนนสเปกตรัม
- สมมติว่าข้อผิดพลาดทางสเปกตรัมที่เล็กกว่ารับประกันเสียงพูดที่เป็นธรรมชาติ
- ใช้การนับซ้ำเพียงอย่างเดียวเป็นการวัดคุณภาพ
- ตัดสินทุกการบันทึกจากตัวอย่างการสร้างใหม่ทั้งหมดเพียงตัวอย่างเดียว