引導式測驗 · 中等 等級

DiffWave 擴散聲碼器測驗

了解 DiffWave 如何預測雜訊以合成波形、聲學特徵條件,以及如何平衡取樣速度與品質。

相關引導路徑Diffwave 擴散聲碼器
問題 1 的 8

DiffWave 如何在推理時產生音訊?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. DiffWave 如何在推理時產生音訊?
    • 透過迭代將隨機雜訊去噪為波形
    • 透過自回歸方式一次取樣一個波形值
    • 透過連接錄製的語音單元
    • 透過運行單一 GAN 前向傳遞
  2. DiffWave 網路在訓練期間實際上學會預測什麼?
    • 直接一次獲得乾淨的波形
    • 在給定擴散步驟中添加的噪聲
    • 文字記錄
    • 說話者身份
  3. 與 GAN 聲碼器相比,DiffWave 的主要實際缺點是什麼?
    • 它不能以頻譜圖為條件
    • 它僅適用於低取樣率
    • 它可能需要許多採樣步驟,使其速度變慢
    • 需要對抗性訓練才能穩定
  4. DiffWave 在訓練中相對於 GAN 聲碼器有什麼優勢?
    • 它不需要神經網絡
    • 它不需要任何數據
    • 一步即可立即產生音頻
    • 它避免了不穩定的對抗訓練
  5. DiffWave 的噪音預測網路類似什麼架構?
    • WaveNet 風格的擴張卷積網絡
    • 遞迴 LSTM 語言模型
    • 視覺轉換器
    • 簡單的線性迴歸
  6. 精心調整的 DiffWave 計劃在保持良好品質的同時大約可以使用多少採樣步驟?
    • 始終正好 1000 步
    • 大約六步
    • 約500級台階
    • 只需一步,無需調整
  7. 當 DiffWave 作為聲碼器使用時,哪種聲學表示方式可以作為條件?
    • 字幕行號清單
    • 古老卷軸的 CT 掃描
    • 梅爾譜圖
    • 源碼依賴關係圖
  8. DiffWave 用於訓練其噪音預測網路的損失函數是什麼?
    • 單詞錯誤率目標
    • 僅使用鑑別器特徵匹配損失
    • 圖像嵌入之間的餘弦相似度損失
    • 對預測噪音的加權 L2 損失