แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบ HiFi-GAN และ GAN Vocoders
ตรวจสอบการเข้ารหัสรูปแบบเมลต่อคลื่น การสร้างฟีดฟอร์เวิร์ด ตัวแบ่งแยกตามระยะเวลาและหลายขนาด การฝึกอบรมฝ่ายตรงข้าม และการสูญเสียเสริม
คำถาม 1 ของ 8
งานหลักของนักร้องเช่น HiFi-GAN ในไปป์ไลน์การแปลงข้อความเป็นคำพูดคืออะไร?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- งานหลักของนักร้องเช่น HiFi-GAN ในไปป์ไลน์การแปลงข้อความเป็นคำพูดคืออะไร?
- เปลี่ยนเมลสเปกโตรแกรมให้กลายเป็นรูปคลื่นเสียงดิบ
- การแปลงข้อความดิบเป็นหน่วยเสียง
- การจัดแนวข้อความตามระยะเวลา
- การแปลคำพูดจากภาษาหนึ่งเป็นอีกภาษาหนึ่ง
- เหตุใด HiFi-GAN จึงเร็วกว่า vocoder WaveNet รุ่นก่อนมาก
- มันใช้คำศัพท์ที่เล็กกว่า
- เป็นฟีดไปข้างหน้าและสร้างรูปคลื่นทั้งหมดในการส่งผ่านครั้งเดียว แทนที่จะส่งแบบถดถอยอัตโนมัติ
- โดยจะสร้างตัวอย่างทีละตัวอย่างได้อย่างมีประสิทธิภาพมากขึ้น
- มันข้ามสเปกโตรแกรมไปโดยสิ้นเชิง
- Multi-Period Discriminator ของ HiFi-GAN ช่วยจับภาพอะไรเป็นพิเศษ
- ความหมายทางความหมายของคำ
- ระดับเสียงพื้นหลัง
- รูปแบบเป็นระยะที่เกี่ยวข้องกับระดับเสียงในสัญญาณ
- ป้ายน้ำเสียงทางอารมณ์ของผู้พูด
- ผู้ร้อง GAN ได้รับการฝึกฝน 'ฝ่ายตรงข้าม' นั่นหมายความว่าอะไรที่นี่?
- โมเดลแข่งขันกับผู้บรรยายที่เป็นมนุษย์
- มีการผสมสองภาษาระหว่างการฝึกอบรม
- โมเดลนี้จะได้รับรางวัลเฉพาะความเร็วเท่านั้น ไม่ใช่คุณภาพ
- เครื่องกำเนิดไฟฟ้าพยายามหลอกผู้เลือกปฏิบัติตั้งแต่หนึ่งคนขึ้นไปที่ตัดสินว่าเสียงมีจริงหรือไม่
- โวโคเดอร์ตัวใดในเวลาต่อมาที่ขยาย HiFi-GAN เพื่อสรุปเสียง การร้อง และเครื่องดนตรีที่มองไม่เห็นได้ดีกว่า
- บิ๊กวีแกน
- ทาโคตรอน
- เวฟเน็ต
- เบิร์ต
- การสูญเสียเสริมใดที่ช่วยให้การฝึกของ HiFi-GAN มีเสถียรภาพและซื่อสัตย์ต่ออินพุต
- การสูญเสียการแปล
- การสูญเสียการสร้างเมลสเปกโตรแกรมใหม่
- การสูญเสียการจัดประเภทโทเค็น
- สัญญาณรางวัลเสริมกำลัง
- What does HiFi-GAN’s Multi-Scale Discriminator examine?
- Only the text transcript
- The model’s optimizer state
- Waveforms at several downsampled resolutions
- One mel bin at a time
- Why include a mel-spectrogram reconstruction loss alongside adversarial loss?
- To eliminate the generator
- To make the model autoregressive
- To remove the conditioning mel-spectrogram
- To anchor spectral content while discriminators encourage realistic waveform texture