引导式测验 · 中等 等级
DiffWave 扩散声码器测验
了解 DiffWave 如何预测噪声以合成波形、声学特征条件，以及如何平衡采样速度与质量。
问题 1 的 8
DiffWave 如何在推理时生成音频？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- DiffWave 如何在推理时生成音频？
- 通过迭代将随机噪声去噪为波形
- 通过自回归方式一次采样一个波形值
- 通过连接录制的语音单元
- 通过运行单个 GAN 前向传递
- DiffWave 网络在训练期间实际上学会预测什么？
- 直接一次获得干净的波形
- 在给定扩散步骤添加的噪声
- 文字记录
- 说话人身份
- 与 GAN 声码器相比，DiffWave 的主要实际缺点是什么？
- 它不能以频谱图为条件
- 它仅适用于低采样率
- 它可能需要许多采样步骤，使其速度变慢
- 需要对抗性训练才能稳定
- DiffWave 在训练中相对于 GAN 声码器有什么优势？
- 它不需要神经网络
- 它不需要任何数据
- 一步即可立即产生音频
- 它避免了不稳定的对抗训练
- DiffWave 的噪声预测网络类似于什么架构？
- WaveNet 风格的扩张卷积网络
- 递归 LSTM 语言模型
- 视觉转换器
- 简单的线性回归
- 精心调整的 DiffWave 计划在保持良好质量的同时大约可以使用多少采样步骤？
- 始终正好 1000 步
- 大约六步
- 约500级台阶
- 只需一步，无需调整
- 当 DiffWave 被用作声码器时，什么声学表示可以对其进行条件化？
- 字幕行号列表
- 古代卷轴的CT扫描
- 梅尔谱图
- 源代码依赖关系图
- DiffWave 使用什么损失来训练其噪声预测网络？
- 词错误率目标
- 仅鉴别器特征匹配损失
- 图像嵌入之间的余弦相似度损失
- 对预测噪声的加权 L2 损失