Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra về bộ mã hóa WaveGAN song song

Xem lại cách Parallel WaveGAN biến các tính năng âm thanh thành âm thanh và kết hợp đào tạo đối nghịch với tổn thất quang phổ đa độ phân giải.

Đường dẫn hướng dẫn liên quanBộ mã hóa Wavegan song song
Câu hỏi 1 của 8

Công việc của một bộ phát âm như Parallel WaveGAN là gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Công việc của một bộ phát âm như Parallel WaveGAN là gì?
    • Biến mel-Spectrogram thành dạng sóng âm thanh thô
    • Chuyển văn bản thành âm vị
    • Loại bỏ tiếng ồn nền khỏi bản ghi
    • Dịch lời nói giữa các ngôn ngữ
  2. Parallel WaveGAN tạo các mẫu âm thanh như thế nào so với WaveNet ban đầu?
    • Lần lượt từng mẫu một
    • Tất cả các mẫu song song, không tự hồi quy
    • Bằng cách ghi âm micrô
    • Bằng cách nối các clip được lưu trữ
  3. Sự mất mát nào là trọng tâm của Parallel WaveGAN bên cạnh sự mất mát đối nghịch?
    • Entropy chéo trên mã thông báo văn bản
    • Mất thứ hạng bộ ba
    • Mất STFT đa độ phân giải
    • Phần thưởng tăng cường
  4. Trình tạo Parallel WaveGAN sử dụng kiến trúc nào?
    • LSTM định kỳ
    • Máy biến đổi tầm nhìn
    • Cây quyết định
    • Mạng kiểu WaveNet tích chập giãn nở
  5. Tại sao Parallel WaveGAN lại hấp dẫn để triển khai?
    • Nó nhỏ gọn và chạy nhanh hơn thời gian thực
    • Đây là một mô hình đa tỷ tham số rất lớn
    • Nó không yêu cầu đầu vào quang phổ
    • Nó chỉ hoạt động trên siêu máy tính
  6. Trong GAN, bộ phân biệt đối xử đóng vai trò gì trong quá trình đào tạo?
    • Nó tạo ra biểu đồ phổ
    • Nó đánh giá xem âm thanh trông thật hay giả
    • Nó ghi lại tập dữ liệu
    • Nó lưu trữ trọng lượng mô hình
  7. In Parallel WaveGAN, what does the noise input contribute alongside mel-spectrogram conditioning?
    • The speaker transcript after synthesis
    • A replacement for the discriminator
    • Stochastic input for waveform generation while the mel features condition the acoustic content
    • A fixed random waveform copied into every output
  8. What does the adversarial loss encourage the Parallel WaveGAN generator to produce?
    • Text transcripts with perfect spelling
    • Audio samples with no speaker conditioning
    • A smaller mel-spectrogram vocabulary
    • Waveforms that the discriminator judges as resembling real speech