引导式测验 · 中等 等级

Parallel WaveGAN 声码器测验

了解 Parallel WaveGAN 如何将声学特征转化为音频，并将对抗性训练与多分辨率频谱损失相结合。

相关引导路径并行 Wavegan 声码器
问题 1 的 8

像 Parallel WaveGAN 这样的声码器的工作是什么？

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. 像 Parallel WaveGAN 这样的声码器的工作是什么？
    • 将梅尔频谱图转换为原始音频波形
    • 将文本转换为音素
    • 消除录音中的背景噪音
    • 在语言之间翻译语音
  2. 与原始 WaveNet 相比，Parallel WaveGAN 如何生成音频样本？
    • 一次一个样本，按顺序进行
    • 所有样本都是平行的、非自回归的
    • 通过麦克风录音
    • 通过连接存储的剪辑
  3. 除了对抗性损失之外，哪些损失是 Parallel WaveGAN 的核心？
    • 文本标记上的交叉熵
    • 三元组排名损失
    • 多分辨率 STFT 损失
    • 强化奖励
  4. Parallel WaveGAN 生成器使用什么架构？
    • 循环 LSTM
    • 视觉转换器
    • 决策树
    • 扩张卷积 WaveNet 式网络
  5. 为什么 Parallel WaveGAN 对部署具有吸引力？
    • 它结构紧凑，运行速度比实时更快
    • 这是一个非常大的数十亿参数的模型
    • 它不需要频谱图输入
    • 它只适用于超级计算机
  6. 在 GAN 中，判别器在训练过程中扮演什么角色？
    • 它生成频谱图
    • 它判断音频看起来是真的还是假的
    • 它记录了数据集
    • 它存储模型权重
  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