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。
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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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