แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบ Vocoder ที่ใช้ WaveGlow Flow
ตรวจสอบว่า WaveGlow แมปคุณสมบัติ Mel และเสียงแบบเกาส์เซียนผ่านขั้นตอนการไหลแบบย้อนกลับเพื่อการสังเคราะห์เสียงพูดแบบขนานโดยไม่ต้องกลั่นกรองได้อย่างไร
คำถาม 1 ของ 8
WaveGlow ผสมผสานแนวคิดทางสถาปัตยกรรมจาก 2 รุ่นใดบ้าง
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- WaveGlow ผสมผสานแนวคิดทางสถาปัตยกรรมจาก 2 รุ่นใดบ้าง
- โกลว์ และ เวฟเน็ต
- เบิร์ต และ GPT
- ResNet และ VGG
- ทาโคตรอนและคลิป
- WaveGlow เป็นรุ่นอะไรคะ?
- เครือข่ายปฏิปักษ์ที่สร้าง
- การไหลที่เป็นมาตรฐาน
- โมเดลการถดถอยอัตโนมัติที่เกิดซ้ำ
- ตัวแทนการเรียนรู้การเสริมกำลัง
- WaveGlow สร้างรูปคลื่นในเวลาอนุมานได้อย่างไร
- โดยจะคาดการณ์ตัวอย่างทีละรายการ
- มันค้นหาฐานข้อมูลของคลิป
- โดยจะสุ่มตัวอย่างเสียงเกาส์เซียนและไหลย้อนกลับ
- มันใช้เครื่องแยกแยะ
- WaveGlow ปรับวัตถุประสงค์ใดระหว่างการฝึก?
- เกมขั้นต่ำ-สูงสุดที่เป็นปฏิปักษ์
- ข้ามเอนโทรปีเหนือป้ายกำกับข้อความ
- การสูญเสียที่ตรงกันข้าม
- ความเป็นไปได้ในการบันทึกที่แน่นอนของข้อมูลเสียง
- องค์ประกอบสองข้อใดที่ประกอบเป็นแต่ละขั้นตอนแบบย้อนกลับได้ใน WaveGlow
- เชื่อมโยงเลเยอร์คัปปลิ้งและการบิดกลับ 1x1
- บล็อกความสนใจและการป้อนไปข้างหน้า
- การพูลลิ่งและซอฟต์แม็กซ์
- การฝังและการออกกลางคัน
- WaveGlow ช่วยลดความซับซ้อนในการฝึกอบรมแบบใดมากกว่าวิธี WaveNet แบบขนานรุ่นก่อนๆ
- มันไม่จำเป็นต้องมีสเปกโตรแกรม
- หลีกเลี่ยงการกลั่นกรองระหว่างครู-นักเรียนโดยใช้เครือข่ายเดียวและสูญเสีย
- โดยไม่จำเป็นต้องใช้ GPU ใดๆ เลย
- ไม่ต้องการข้อมูลเสียง
- What does WaveGlow's squeeze operation do before its coupling layers process the signal?
- Converts the waveform into written phonemes
- Removes the mel-spectrogram conditioning
- Groups neighboring audio samples into vectors for the flow transformations
- Randomly deletes audio segments
- Which acoustic model is named in the guide as a practical system that can pair with WaveGlow?
- เบิร์ต
- A* search
- โยโลฟ8
- ทาโคตรอน 2