引導式測驗 · 中等 等級

Parallel WaveGAN 聲碼器測驗

了解 Parallel WaveGAN 如何將聲學特徵轉化為音頻,並將對抗性訓練與多分辨率頻譜損失相結合。

相關引導路徑並行 Wavegan 聲碼器
問題 1 的 8

像 Parallel WaveGAN 這樣的聲碼器的工作是什麼?

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. 像 Parallel WaveGAN 這樣的聲碼器的工作是什麼?
    • 將梅爾頻譜圖轉換為原始音訊波形
    • 將文字轉換為音素
    • 消除錄音中的背景噪音
    • 在語言之間翻譯語音
  2. 與原始 WaveNet 相比,Parallel WaveGAN 如何產生音訊樣本?
    • 一次一個樣本,依序進行
    • 所有樣本都是平行的、非自迴歸的
    • 透過麥克風錄音
    • 透過連接儲存的剪輯
  3. 除了對抗性損失之外,哪些損失是 Parallel WaveGAN 的核心?
    • 文字標記上的交叉熵
    • 三元組排名損失
    • 多重解析度 STFT 損失
    • 強化獎勵
  4. Parallel WaveGAN 生成器使用什麼架構?
    • 循環 LSTM
    • 視覺轉換器
    • 決策樹
    • 擴張卷積 WaveNet 式網絡
  5. 為什麼 Parallel WaveGAN 對部署具有吸引力?
    • 它結構緊湊,運行速度比實時更快
    • 這是一個非常大的數十億參數的模型
    • 它不需要頻譜圖輸入
    • 它只適用於超級計算機
  6. 在 GAN 中,判別器在訓練過程中扮演什麼角色?
    • 它產生頻譜圖
    • 它判斷音訊看起來是真的還是假的
    • 它記錄了數據集
    • 它存儲模型權重
  7. 在 Parallel WaveGAN 中,噪音輸入除了與梅爾頻譜條件一起提供什麼?
    • 合成後的說話者文字稿
    • 對抗器的替代品
    • 在波形生成時使用隨機輸入,而梅爾特徵則條件化聲學內容
    • 一個固定的隨機波形被複製到每個輸出中
  8. 對抗損失鼓勵 Parallel WaveGAN 生成器產生什麼?
    • 拼寫完美的文字稿
    • 沒有說話者條件的音頻樣本
    • 更小的梅爾頻譜詞彙表
    • 判斷為類似真實語音的波形