แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบ Vocoders ประสาท
ตรวจสอบว่าโวโคเดอร์ประสาทสร้างรูปคลื่นขึ้นมาใหม่ได้อย่างไร เหตุใดการสังเคราะห์แบบอัตโนมัติจึงช้า และวิธีที่ผู้แยกแยะฝ่ายตรงข้ามปรับปรุงเสียงที่สร้างขึ้นได้อย่างไร
คำถาม 1 ของ 8
งานหลักของ vocoder ประสาทคืออะไร?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- งานหลักของ vocoder ประสาทคืออะไร?
- เพื่อเปลี่ยนการแสดงเสียง เช่น เมลสเปกโตรแกรมให้กลายเป็นรูปคลื่นเสียง
- เพื่อแปลงข้อความเป็นความหมายโดยตรง
- เพื่อแปลคำพูดระหว่างภาษา
- เพื่อลบเสียงรบกวนพื้นหลังออกจากการบันทึก
- รุ่นปี 2016 รุ่นใดที่เป็นความก้าวหน้าที่ทำให้ผู้แสดงเสียงระบบประสาทฟังดูเป็นธรรมชาติ
- ไฮไฟ-GAN
- เวฟเน็ต
- ทาโคตรอน
- เมลแกน
- เหตุใด WaveNet ดั้งเดิมจึงสร้างเสียงช้า
- ต้องใช้ GPU แยกกันสำหรับแต่ละคำ
- มันฝึกตัวเองใหม่ในทุกอินพุต
- โดยจะคาดการณ์เสียงครั้งละหนึ่งตัวอย่างโดยอัตโนมัติ
- มันแสดงวิดีโอควบคู่ไปกับเสียง
- เมลสเปกโตรแกรมทิ้งข้อมูลอะไรไปเป็นพิเศษ ทำให้งานของผู้พูดยากขึ้น
- ความดังของเสียง
- ภาษาที่กำลังพูดอยู่
- อัตราตัวอย่าง
- ข้อมูลเฟสของสัญญาณ
- vocoders ที่ใช้ GAN เช่น HiFi-GAN ปรับปรุงความสมจริงได้อย่างไร
- โดยใช้ตัวแบ่งแยกหลายตัวที่ตัดสินสัญญาณในระดับที่แตกต่างกัน
- โดยการแปลงเสียงเป็นข้อความก่อน
- โดยนำบันทึกมารวมกันนับพันรายการ
- โดยการสร้างความถี่ต่ำเท่านั้น
- ในไปป์ไลน์ TTS สมัยใหม่ทั่วไป อะไรทำให้เกิดเมล-สเปกโตรแกรมที่โวโคเดอร์ใช้
- เครื่องกำเนิดเสียงรบกวน
- โมเดลอะคูสติก เช่น Tacotron 2 หรือ FastSpeech
- ผู้พากย์เสียงนั้นเอง
- ไมโครโฟน
- What component in HiFi-GAN combines residual blocks with different dilation patterns?
- A phoneme tokenizer
- A recurrent attention decoder
- The multi-receptive-field fusion (MRF) module
- A speaker-verification classifier
- What does HiFi-GAN’s multi-period discriminator help assess?
- Whether the text transcript is grammatically correct
- Whether the speaker’s face matches the voice
- Whether the mel-spectrogram uses enough colors
- Whether generated waveform segments reflect realistic periodic patterns