گائیڈ سے منسلک کوئز · درمیانہ سطح
میلگن جنریٹیو ووکوڈر کوئز
سمجھیں کہ کس طرح MelGAN mel-spectrograms کو ویوفارمز میں نقشہ بناتا ہے، convolutional upsampling کا استعمال کرتا ہے، اور امتیاز کرنے والوں کو متعدد پیمانے پر تربیت دیتا ہے۔
سوال 1 کی 8
MelGAN کس ان پٹ کو خام آڈیو ویوفارم میں تبدیل کرتا ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- MelGAN کس ان پٹ کو خام آڈیو ویوفارم میں تبدیل کرتا ہے؟
- ایک میل سپیکٹروگرام
- خام متن کے حروف
- ایک MIDI فائل
- ایک فونیم جالی
- میلگن اندازہ میں WaveNet سے زیادہ تیز کیوں ہے؟
- یہ ایک چھوٹا نمونہ کی شرح کا استعمال کرتا ہے
- یہ غیر خودکار ہے اور ایک متوازی پاس میں آڈیو تیار کرتا ہے۔
- یہ صرف TPUs پر چلتا ہے۔
- یہ اعلی تعدد بینڈ کو چھوڑ دیتا ہے۔
- MelGAN نے کونسا مخصوص امتیازی ڈیزائن متعارف کرایا؟
- واحد عالمی امتیازی سلوک کرنے والا
- ٹرانسفارمر پر مبنی امتیازی سلوک کرنے والا
- متعدد قراردادوں پر آڈیو پر کام کرنے والا ایک کثیر پیمانے پر امتیازی سلوک کرنے والا
- کوئی امتیازی سلوک کرنے والا بالکل نہیں۔
- کون سا نقصان MelGAN کی مخالفانہ تربیت کو مستحکم کرنے میں مدد کرتا ہے؟
- ٹیکسٹ ٹوکنز پر کراس اینٹروپی
- اوسط رائے کے اسکور کا نقصان
- تین گنا مارجن کا نقصان
- امتیازی سرگرمیوں کے درمیان خصوصیت سے مماثل نقصان
- MelGAN کا جنریٹر اس کے قبول کرنے والے فیلڈ کو کیسے بڑھاتا ہے؟
- بقایا بلاکس میں خستہ حال convolutions کا استعمال کرتے ہوئے
- بار بار آنے والی LSTM تہوں کو شامل کرکے
- پورے کلپ پر توجہ کا استعمال کرتے ہوئے
- پولنگ پرتوں کو اسٹیک کرنے سے
- What subjective evaluation measure did the MelGAN paper report?
- Word error rate (WER)
- Mean Opinion Score (MOS)
- BLEU score
- Peak signal-to-noise ratio (PSNR) only
- What do MelGAN’s transposed convolutions do in the generator?
- Convert the waveform back into text
- Choose the phonemes in the input sentence
- Upsample the mel-spectrogram representation toward the audio waveform rate
- Reduce the number of audio samples to zero
- Which audio domains did the MelGAN paper use to illustrate the generality of its techniques?
- Machine translation, image captions, and video subtitling
- Only speech recognition and speaker identification
- Text summarization, code generation, and image classification
- Speech synthesis, music-domain translation, and unconditional music synthesis