引導式測驗 · 中等 等級
HiFi-GAN 和 GAN 聲碼器測驗
檢查梅爾波形聲編碼、前饋生成、週期性和多尺度鑑別器、對抗性訓練和輔助損失。
問題 1 的 8
像 HiFi-GAN 這樣的聲碼器在文字轉語音管道中的主要工作是什麼?
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。
- 像 HiFi-GAN 這樣的聲碼器在文字轉語音管道中的主要工作是什麼?
- 將梅爾頻譜圖轉換為原始音訊波形
- 將原始文字轉換為音素
- 將文字與持續時間對齊
- 將語音從一種語言翻譯成另一種語言
- 为什么 HiFi-GAN 比早期的 WaveNet 声码器快得多?
- 它使用較小的詞彙量
- 它是前饋的,並在一次傳遞中產生整個波形,而不是自回歸
- 它一次產生一個樣本的效率更高
- 它完全跳过频谱图
- HiFi-GAN 的多周期鑑別器具體幫助捕獲什麼?
- 词语的语义意义
- 背景噪音水平
- 與訊號中的音高相關的週期性模式
- 說話者的情緒語氣標籤
- GAN 聲碼器經過「對抗性」訓練。這是什麼意思?
- 該模型與人類敘述者競爭
- 訓練期間混合兩種語言
- 該模型僅根據速度而非品質獲得獎勵
- 生成器試圖愚弄一個或多個判斷音訊是否真實的鑑別器
- 後來哪一個聲碼器擴展了 HiFi-GAN,以更好地泛化看不見的聲音、歌唱和樂器?
- 大VGAN
- 塔科特隆
- 波網
- 伯特
- 哪些輔助損耗有助於保持 HiFi-GAN 的訓練穩定並忠於輸入?
- 翻譯損失
- 梅爾譜圖重建損失
- 令牌分類損失
- 強化獎勵訊號
- What does HiFi-GAN’s Multi-Scale Discriminator examine?
- Only the text transcript
- The model’s optimizer state
- Waveforms at several downsampled resolutions
- One mel bin at a time
- Why include a mel-spectrogram reconstruction loss alongside adversarial loss?
- To eliminate the generator
- To make the model autoregressive
- To remove the conditioning mel-spectrogram
- To anchor spectral content while discriminators encourage realistic waveform texture