Тест, свързан с ръководство · Среден Ниво

Тест за разпознаване на аудио акорди

Прегледайте характеристиките на цветността, декодирането на HMM последователност, разделянето на хармонично-перкусионни удари, подравняването на тактовете на Chordify и метода на обучение на Lee-Slaney.

Свързани ръководни пътекиРазпознаване на аудио акорд
Въпрос 1 на 8

Какъв е резултатът от системата за разпознаване на аудио акорд?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какъв е резултатът от системата за разпознаване на аудио акорд?
    • Подравнена по време поредица от етикети на акорди
    • Списък с текстове на песни
    • Размерът на файла на записа
    • Снимка на бандата
  2. Коя функция е най-важна за разпознаването на акорд?
    • Дата на промяна на файла
    • Chroma (pitch-class) вектори
    • Брой стерео канали
    • Скорост на предаване
  3. Защо разделянето на хармоника и перкусия често се прилага преди разпознаване на акорд?
    • За да направим песента по-силна
    • Да преведа текста
    • За потискане на шума от барабана, който затъмнява хармонията
    • Да съкратя песента
  4. Каква роля играят традиционно скритите модели на Марков при разпознаването на акорди?
    • Генериране на обложки на албуми
    • Компресиране на аудиото
    • Настройка на китара
    • Изглаждане на последователности от акорди с помощта на вероятни преходи
  5. What can small tuning differences do to chroma-based chord recognition?
    • Shift energy between nearby pitch bins and confuse closely related chord labels
    • Remove all temporal information from the recording
    • Make every chord label equally likely
    • Convert chroma features into text tokens
  6. Кое приложение е добре известен пример за разпознаване на акорди за учащите?
    • Програма за електронни таблици
    • Chordify
    • Приложение за времето
    • Устройство за проследяване на полети
  7. Which two processes does Chordify identify in placing chord labels on a song?
    • Speaker diarization and voice activity detection
    • Source separation and image captioning
    • Chord recognition and beat tracking
    • Pitch correction and text-to-speech
  8. How did Lee and Slaney create supervised training labels for their HMM chord-recognition method?
    • They used only unlabelled live recordings
    • They transcribed lyrics and inferred chords from word sentiment
    • They used random labels and optimized without audio
    • They generated labels by harmonic analysis of symbolic music and paired them with audio rendered from the same symbolic data