แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบ Vocoder ของ MelGAN

ทำความเข้าใจวิธีที่ MelGAN จับคู่เมลสเปกโตรแกรมกับรูปคลื่น ใช้การสุ่มตัวอย่างแบบบิด และฝึกอบรมผู้แยกแยะในระดับหลายระดับ

เส้นทางแนะนำที่เกี่ยวข้องเมลแกน เจเนอเรทีฟ โวโคเดอร์
คำถาม 1 ของ 8

MelGAN อินพุตใดแปลงเป็นรูปแบบคลื่นเสียงดิบ

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. MelGAN อินพุตใดแปลงเป็นรูปแบบคลื่นเสียงดิบ
    • เมล-สเปกโตรแกรม
    • อักขระข้อความดิบ
    • ไฟล์ MIDI
    • โครงข่ายเสียง
  2. เหตุใด MelGAN จึงเร็วกว่า WaveNet มากในการอนุมาน
    • มันใช้อัตราตัวอย่างที่น้อยกว่า
    • ไม่มีการถดถอยอัตโนมัติและสร้างเสียงในการส่งผ่านแบบขนานครั้งเดียว
    • มันทำงานบน TPU เท่านั้น
    • มันข้ามย่านความถี่สูง
  3. MelGAN แนะนำการออกแบบการแบ่งแยกที่โดดเด่นแบบใด
    • ผู้เลือกปฏิบัติระดับโลกเพียงคนเดียว
    • เครื่องแยกแยะที่ใช้หม้อแปลงไฟฟ้า
    • ตัวแบ่งแยกหลายขนาดที่ทำงานเกี่ยวกับเสียงที่ความละเอียดหลายระดับ
    • ไม่มีการเลือกปฏิบัติเลย
  4. การสูญเสียใดที่ช่วยรักษาเสถียรภาพการฝึกอบรมฝ่ายตรงข้ามของ MelGAN
    • ข้ามเอนโทรปีบนโทเค็นข้อความ
    • คะแนนเฉลี่ยที่เสียไป
    • การสูญเสียมาร์จิ้น Triplet
    • การสูญเสียการจับคู่คุณลักษณะระหว่างการเปิดใช้งานตัวแบ่งแยก
  5. เครื่องกำเนิดของ MelGAN เพิ่มเขตข้อมูลที่เปิดกว้างได้อย่างไร
    • โดยใช้การบิดแบบขยายในบล็อกที่เหลือ
    • โดยการเพิ่มเลเยอร์ LSTM ที่เกิดซ้ำ
    • โดยใช้ความสนใจไปทั้งคลิป
    • โดยการซ้อนกันหลายชั้น
  6. What subjective evaluation measure did the MelGAN paper report?
    • Word error rate (WER)
    • Mean Opinion Score (MOS)
    • BLEU score
    • Peak signal-to-noise ratio (PSNR) only
  7. What do MelGAN’s transposed convolutions do in the generator?
    • Convert the waveform back into text
    • Choose the phonemes in the input sentence
    • Upsample the mel-spectrogram representation toward the audio waveform rate
    • Reduce the number of audio samples to zero
  8. Which audio domains did the MelGAN paper use to illustrate the generality of its techniques?
    • Machine translation, image captions, and video subtitling
    • Only speech recognition and speaker identification
    • Text summarization, code generation, and image classification
    • Speech synthesis, music-domain translation, and unconditional music synthesis