Вікторина, пов’язана з посібником · Середній Рівень
Вікторина UnivNet Multi-Resolution Vocoder
Вивчіть, як UnivNet використовує адаптивні згортки та дискримінатори спектрограм у кількох частотно-часових роздільних здатностях для синтезу мови.
Питання 1 з 8
Яка особливість дискримінатора UnivNet?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Яка особливість дискримінатора UnivNet?
- Він обчислює кілька спектрограм STFT з різною роздільною здатністю та розрізняє їх
- Він використовує лише один дискримінатор форми сигналу
- Він оцінює звук за допомогою мовної моделі
- Він ігнорує високі частоти
- На яку проблему в попередніх вокодерах GAN спеціально націлений UnivNet?
- Повільна авторегресійна вибірка
- Приглушені або артефактні високі частоти
- Неможливість працювати на GPU
- Відсутність будь-якого дискримінатора
- Що таке згортки змінної розташування (LVC) в UnivNet?
- Згортки застосовуються лише на початку сигналу
- Виправлені ядра, спільні для всіх рівнів
- Згортки, ядра яких прогнозуються динамічно з вхідних функцій
- Повторювані з'єднання між кадрами
- 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
- 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
- Що залежить від генератора UnivNet для створення форми сигналу?
- Необроблений текст
- Мел-спектрограма
- Спектрограма тільки шуму
- Таблиця тривалості фонем
- 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
- 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