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。
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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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