AudioGen тест за синтез на текст към аудио

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. What task does the cited AudioGen study address?
   • Only exact transcript-to-speech rendering
   • Само класификация на изображения
   • Generating general audio conditioned on descriptive text
   • Only converting every audio event into MIDI notation
2. Какъв е първият етап от проекта на AudioGen?
   • Аудио автоматичен енкодер, който превръща вълните в отделни токени
   • Модел текст към изображение
   • Разпознавател на реч
   • Видео енкодер
3. Какъв тип модел предвижда аудио токените?
   • Конволюционен класификатор на изображения
   • Дърво на решенията
   • Прост линеен регресор
   • Авторегресивен езиков модел на Transformer
4. What does AudioGen’s original mixed-source augmentation do?
   • Only concatenates unmodified waveform clips end to end
   • Mixes audio samples and concatenates their corresponding text captions
   • Deletes both source captions
   • Changes every sound into a silent recording
5. Коя по-голяма Meta библиотека включва AudioGen?
   • AudioCraft
   • PyTorch Lightning
   • TensorFlow Hub
   • Дифузьори за прегръщане на лицето
6. Как се създава крайна форма на вълната от генерираните токени на AudioGen?
   • Токените се отпечатват като текст
   • Те се изпращат по имейл до сървър
   • Те се изобразяват като изображение
   • Декодерът на кодека преобразува токените обратно в аудио
7. Which two model contributions are combined by classifier-free guidance in the original AudioGen formulation?
   • Only the left and right display colors
   • Text-conditional and unconditional log-probability contributions
   • Only two unrelated image filenames
   • A required human transcript and a password
8. What additional input defines AudioGen’s studied audio-continuation setup?
   • Only a blank file extension
   • A mandatory complete future waveform as the answer
   • An initial acoustic audio prefix
   • Only a screenshot of the source code