“生成对抗网络（GAN）”常用于()。A. 图像生成B. 语音转文字C. 数据分类D. 路径规划

生成对抗网络（GAN）的核心在于通过生成器和判别器的对抗训练，生成与真实数据分布相似的样本。其主要应用场景是数据生成，尤其是图像领域（如生成假脸、艺术作品）。其他选项中的语音转文字、数据分类、路径规划通常由其他技术（如语音识别模型、分类算法、规划算法）主导，与GAN的生成特性关联较弱。

选项分析

• A. 图像生成：GAN通过对抗训练生成逼真的图像，是其经典应用。
• B. 语音转文字：依赖语音识别模型（如Transformer、RNN），与GAN无关。
• C. 数据分类：属于监督学习任务，常用CNN、SVM等分类算法。
• D. 路径规划：涉及规划算法（如A*）或强化学习，与生成任务无关。