แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบ Vocoder WaveGAN แบบขนาน

ตรวจสอบว่า Parallel WaveGAN เปลี่ยนคุณสมบัติทางเสียงเป็นเสียงและผสมผสานการฝึกฝ่ายตรงข้ามเข้ากับการสูญเสียสเปกตรัมแบบหลายความละเอียดได้อย่างไร

เส้นทางแนะนำที่เกี่ยวข้องโวโคเดอร์เวฟแกนแบบขนาน
คำถาม 1 ของ 8

งานของนักร้องอย่าง Parallel WaveGAN คืออะไร?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. งานของนักร้องอย่าง Parallel WaveGAN คืออะไร?
    • เปลี่ยนเมลสเปกโตรแกรมให้เป็นรูปแบบคลื่นเสียงดิบ
    • แปลงข้อความเป็นหน่วยเสียง
    • ลบเสียงรบกวนพื้นหลังออกจากการบันทึก
    • แปลคำพูดระหว่างภาษา
  2. Parallel WaveGAN สร้างตัวอย่างเสียงอย่างไรเมื่อเปรียบเทียบกับ WaveNet ดั้งเดิม
    • ครั้งละหนึ่งตัวอย่างตามลำดับ
    • ตัวอย่างทั้งหมดขนานกัน ไม่ถดถอยอัตโนมัติ
    • โดยการบันทึกไมโครโฟน
    • โดยการต่อคลิปที่เก็บไว้
  3. การสูญเสียใดที่เป็นศูนย์กลางของ Parallel WaveGAN นอกเหนือจากการสูญเสียของฝ่ายตรงข้าม?
    • ข้ามเอนโทรปีบนโทเค็นข้อความ
    • การสูญเสียอันดับ Triplet
    • การสูญเสีย STFT แบบหลายความละเอียด
    • รางวัลการเสริมกำลัง
  4. ตัวสร้าง Parallel WaveGAN ใช้สถาปัตยกรรมแบบใด
    • LSTM ที่เกิดซ้ำ
    • หม้อแปลงวิสัยทัศน์
    • ต้นไม้การตัดสินใจ
    • เครือข่ายสไตล์ WaveNet แบบขดขยายแบบขยาย
  5. เหตุใด Parallel WaveGAN จึงน่าดึงดูดสำหรับการปรับใช้
    • มีขนาดกะทัดรัดและทำงานเร็วกว่าเรียลไทม์
    • เป็นโมเดลที่มีมูลค่าหลายพันล้านพารามิเตอร์ที่มีขนาดใหญ่มาก
    • ไม่จำเป็นต้องป้อนข้อมูลสเปกโตรแกรม
    • ใช้งานได้กับซูเปอร์คอมพิวเตอร์เท่านั้น
  6. ใน GAN ผู้เลือกปฏิบัติมีบทบาทอย่างไรในระหว่างการฝึกอบรม
    • มันสร้างสเปกโตรแกรม
    • โดยจะตัดสินว่าเสียงดูเหมือนจริงหรือปลอม
    • มันบันทึกชุดข้อมูล
    • มันเก็บน้ำหนักของแบบจำลอง
  7. In Parallel WaveGAN, what does the noise input contribute alongside mel-spectrogram conditioning?
    • The speaker transcript after synthesis
    • A replacement for the discriminator
    • Stochastic input for waveform generation while the mel features condition the acoustic content
    • A fixed random waveform copied into every output
  8. What does the adversarial loss encourage the Parallel WaveGAN generator to produce?
    • Text transcripts with perfect spelling
    • Audio samples with no speaker conditioning
    • A smaller mel-spectrogram vocabulary
    • Waveforms that the discriminator judges as resembling real speech