UnivNet Çoklu Çözünürlüklü Vocoder Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. UnivNet'in ayırıcısının imza özelliği nedir?
   • Farklı çözünürlüklerde birden fazla STFT spektrogramını hesaplar ve bunları ayırt eder.
   • Yalnızca tek bir dalga biçimi ayırıcısı kullanır
   • Sesi bir dil modeli kullanarak değerlendirir
   • Yüksek frekansları göz ardı eder
2. UnivNet daha önceki GAN ses kodlayıcılarındaki hangi sorunu özellikle hedefliyor?
   • Yavaş otoregresif örnekleme
   • Boğuk veya artefakt yüklü yüksek frekanslar
   • GPU'da çalıştırılamaması
   • Herhangi bir ayrımcının bulunmaması
3. UnivNet'te konum değişkenli evrişimler (LVC) nedir?
   • Yalnızca sinyalin başlangıcında uygulanan evrişimler
   • Tüm katmanlarda paylaşılan sabit çekirdekler
   • Çekirdekleri giriş özelliklerinden dinamik olarak tahmin edilen evrişimler
   • Çerçeveler arasında yinelenen bağlantılar
4. What adaptation potential did the UnivNet paper report for new speakers?
   • Guaranteed identical quality across every recording condition
   • No need for conditioning features or evaluation
   • Instant adaptation to every language and microphone
   • Fast adaptation without training a new vocoder from scratch
5. What synthesis capability did the UnivNet paper report?
   • High-fidelity waveform synthesis in real time
   • Only offline synthesis after a day-long wait
   • One waveform sample per hour
   • A text transcript without audio output
6. UnivNet'in jeneratörü bir dalga formu üretmek için neye bağlıdır?
   • Ham metin
   • Bir mel-spektrogram
   • Yalnızca gürültünün bir spektrogramı
   • Bir fonem süresi tablosu
7. Which adversarial loss did UnivNet use to train its generator and discriminators?
   • A word-level cross-entropy loss
   • A policy-gradient objective
   • A least-squares GAN objective
   • A contrastive image-text loss
8. What evaluation result did the UnivNet paper report across seen and unseen speakers?
   • It outperformed every vocoder on every language and dataset
   • It proved no speaker adaptation is ever needed
   • It achieved the same result regardless of input features
   • It achieved the best objective and subjective results among the compared models in its evaluation