引导式测验 · 中等 等级

神经声码器测验

回顾神经声码器如何重建波形、为什么自回归合成速度慢以及对抗性鉴别器如何改进生成的音频。

相关引导路径神经声码器
问题 1 的 8

神经声码器的主要工作是什么？

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。

  1. 神经声码器的主要工作是什么？
    • 将梅尔声谱图等声学表示转换为可听波形
    • 将文本直接转换为含义
    • 在语言之间翻译语音
    • 消除录音中的背景噪音
  2. 2016 年哪个模型是使神经声码器听起来更自然的突破？
    • HiFi-GAN
    • 波网
    • 塔科特隆
    • 梅尔甘
  3. 为什么最初的 WaveNet 生成音频很慢？
    • 每个单词都需要一个单独的 GPU
    • 它根据每个输入重新训练自己
    • 它以自回归方式一次预测一个样本的音频
    • 它在音频旁边渲染视频
  4. 梅尔频谱图明显丢弃了哪些信息，使声码器的任务变得更加困难？
    • 音频的响度
    • 所讲的语言
    • 采样率
    • 信号的相位信息
  5. HiFi-GAN 等基于 GAN 的声码器如何提高真实感？
    • 通过使用多个判别器来判断不同尺度的信号
    • 首先将音频转换为文本
    • 通过对数千个录音进行平均
    • 仅产生低频
  6. 在典型的现代 TTS 管道中，什么产生声码器使用的梅尔频谱图？
    • 噪声发生器
    • 声学模型，例如 Tacotron 2 或 FastSpeech
    • 声码器本身
    • 麦克风
  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