引導式測驗 · 中等 等級

神經聲碼器測驗

回顧神經聲碼器如何重建波形、為什麼自回歸合成速度慢以及對抗性鑑別器如何改進生成的音訊。

相關引導路徑神經聲碼器
問題 1 的 8

神經聲碼器的主要工作是什麼?

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。

  1. 神經聲碼器的主要工作是什麼?
    • 將梅爾聲譜圖等聲學表示轉換為可聽波形
    • 將文字直接轉換為意義
    • 在語言之間翻譯語音
    • 消除錄音中的背景噪音
  2. 2016 年哪個模型是讓神經聲碼器聽起來更自然的突破?
    • HiFi-GAN
    • 波網
    • 塔科特隆
    • 梅爾甘
  3. 為什麼最初的 WaveNet 產生音訊很慢?
    • 每個單字都需要一個單獨的 GPU
    • 它根據每個輸入重新訓練自己
    • 它以自回歸方式一次預測一個樣本的音頻
    • 它在音頻旁邊渲染視頻
  4. 梅爾頻譜圖明顯丟棄了哪些訊息,使聲碼器的任務變得更加困難?
    • 音訊的響度
    • 所講的語言
    • 取樣率
    • 訊號的相位資訊
  5. HiFi-GAN 等基於 GAN 的聲碼器如何提高真實感?
    • 透過使用多個判別器來判斷不同尺度的訊號
    • 首先將音訊轉換為文字
    • 透過對數千個錄音進行平均
    • 僅產生低頻
  6. 在典型的現代 TTS 管道中,什麼產生聲碼器使用的梅爾頻譜圖?
    • 噪音發生器
    • 聲學模型,例如 Tacotron 2 或 FastSpeech
    • 聲碼器本身
    • 麥克風
  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