Вікторина про нейронні вокодери

Відповіді та пояснення з’являються під час виконання тесту.

1. Яка основна робота нейронного вокодера?
   • Щоб перетворити акустичне представлення, як мел-спектрограма, на звукову форму хвилі
   • Перетворення тексту безпосередньо на значення
   • Для перекладу мови між мовами
   • Щоб видалити фоновий шум із записів
2. Яка модель 2016 року стала проривом, завдяки якому нейронні вокодери звучали природно?
   • HiFi-ГАН
   • WaveNet
   • Такотрон
   • МелГАН
3. Чому оригінальний WaveNet повільно генерував звук?
   • Для кожного слова потрібен був окремий графічний процесор
   • Він перенавчався на кожному вході
   • Він передбачав аудіо один семпл за раз авторегресійно
   • Він відтворював відео разом із аудіо
4. Яку інформацію особливо відкидає мел-спектрограма, що ускладнює завдання вокодера?
   • Гучність звуку
   • Мова, якою розмовляють
   • Частота вибірки
   • Фазова інформація сигналу
5. Як вокодери на основі GAN, такі як HiFi-GAN, покращують реалістичність?
   • Використовуючи кілька дискримінаторів, які оцінюють сигнал у різних масштабах
   • Спочатку перетворивши аудіо на текст
   • Усереднюючи тисячі записів разом
   • Генеруючи лише низькі частоти
6. У типовому сучасному конвеєрі TTS, що створює мел-спектрограму, яку споживає вокодер?
   • Генератор шуму
   • Акустична модель, наприклад Tacotron 2 або FastSpeech
   • Сам вокодер
   • мікрофон
7. 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
8. 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