แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบ Vocoder WaveGAN แบบขนาน
ตรวจสอบว่า Parallel WaveGAN เปลี่ยนคุณสมบัติทางเสียงเป็นเสียงและผสมผสานการฝึกฝ่ายตรงข้ามเข้ากับการสูญเสียสเปกตรัมแบบหลายความละเอียดได้อย่างไร
คำถาม 1 ของ 8
งานของนักร้องอย่าง Parallel WaveGAN คืออะไร?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- งานของนักร้องอย่าง Parallel WaveGAN คืออะไร?
- เปลี่ยนเมลสเปกโตรแกรมให้เป็นรูปแบบคลื่นเสียงดิบ
- แปลงข้อความเป็นหน่วยเสียง
- ลบเสียงรบกวนพื้นหลังออกจากการบันทึก
- แปลคำพูดระหว่างภาษา
- Parallel WaveGAN สร้างตัวอย่างเสียงอย่างไรเมื่อเปรียบเทียบกับ WaveNet ดั้งเดิม
- ครั้งละหนึ่งตัวอย่างตามลำดับ
- ตัวอย่างทั้งหมดขนานกัน ไม่ถดถอยอัตโนมัติ
- โดยการบันทึกไมโครโฟน
- โดยการต่อคลิปที่เก็บไว้
- การสูญเสียใดที่เป็นศูนย์กลางของ Parallel WaveGAN นอกเหนือจากการสูญเสียของฝ่ายตรงข้าม?
- ข้ามเอนโทรปีบนโทเค็นข้อความ
- การสูญเสียอันดับ Triplet
- การสูญเสีย STFT แบบหลายความละเอียด
- รางวัลการเสริมกำลัง
- ตัวสร้าง Parallel WaveGAN ใช้สถาปัตยกรรมแบบใด
- LSTM ที่เกิดซ้ำ
- หม้อแปลงวิสัยทัศน์
- ต้นไม้การตัดสินใจ
- เครือข่ายสไตล์ WaveNet แบบขดขยายแบบขยาย
- เหตุใด Parallel WaveGAN จึงน่าดึงดูดสำหรับการปรับใช้
- มีขนาดกะทัดรัดและทำงานเร็วกว่าเรียลไทม์
- เป็นโมเดลที่มีมูลค่าหลายพันล้านพารามิเตอร์ที่มีขนาดใหญ่มาก
- ไม่จำเป็นต้องป้อนข้อมูลสเปกโตรแกรม
- ใช้งานได้กับซูเปอร์คอมพิวเตอร์เท่านั้น
- ใน GAN ผู้เลือกปฏิบัติมีบทบาทอย่างไรในระหว่างการฝึกอบรม
- มันสร้างสเปกโตรแกรม
- โดยจะตัดสินว่าเสียงดูเหมือนจริงหรือปลอม
- มันบันทึกชุดข้อมูล
- มันเก็บน้ำหนักของแบบจำลอง
- 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
- 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