引導式測驗 · 中等 等級

WaveGlow 基於流的聲碼器測驗

檢查 WaveGlow 如何透過可逆流步驟映射梅爾特徵和高斯噪聲,以實現無需蒸餾的平行語音合成。

問題 1 的 8

WaveGlow 結合了哪兩個模型的架構思想?

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. WaveGlow 結合了哪兩個模型的架構思想?
    • Glow 和 WaveNet
    • BERT 和 GPT
    • ResNet 和 VGG
    • Tacotron 和 CLIP
  2. WaveGlow 是什麼樣的模型?
    • 生成對抗網絡
    • 正常化流程
    • 遞歸自迴歸模型
    • 強化學習代理
  3. WaveGlow 如何在推理時產生波形?
    • 它對樣本進行一一預測
    • 它搜尋剪輯資料庫
    • 它對高斯噪聲進行採樣並反向運行流程
    • 它使用鑑別器
  4. WaveGlow 在訓練過程中優化的目標是什麼?
    • 對抗性最小-最大遊戲
    • 文字標籤上的交叉熵
    • 比較損失
    • 音訊資料的精確對數似然
  5. WaveGlow 中的每個可逆步驟由哪兩個組件組成?
    • 仿射耦合層與可逆 1x1 卷積
    • 注意力和前饋塊
    • 池化和softmax
    • 嵌入和丟失
  6. 與早期的平行 WaveNet 方法相比,WaveGlow 提供了哪些訓練簡化?
    • 它不需要頻譜圖
    • 它避免了使用單一網路的師生蒸餾和損失
    • 它消除了對任何 GPU 的需求
    • 它不需要音訊數據
  7. What does WaveGlow's squeeze operation do before its coupling layers process the signal?
    • Converts the waveform into written phonemes
    • Removes the mel-spectrogram conditioning
    • Groups neighboring audio samples into vectors for the flow transformations
    • Randomly deletes audio segments
  8. Which acoustic model is named in the guide as a practical system that can pair with WaveGlow?
    • 伯特
    • A* search
    • YOLOv8
    • 塔克特隆 2