Тест, свързан с ръководство · трудно Ниво

Тест за генериране на йерархична музика на MusicLM

Прегледайте йерархичните токени на MusicLM, кондиционирането на мелодията, MuLan текст-аудио подравняване и ресурса за оценка на MusicCaps.

Свързани ръководни пътекиMusiclm йерархично генериране на музика
Въпрос 1 на 8

How does MusicLM formulate conditional music generation?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. How does MusicLM formulate conditional music generation?
    • As hierarchical sequence-to-sequence modeling over audio tokens
    • As painting pixels with a diffusion model
    • As concatenating fixed prerecorded loops
    • As simulating instrument mechanics
  2. Каква е ролята на семантичните токени в MusicLM?
    • Те съхраняват метаданните на файла на песента
    • Те улавят високо ниво на структура като мелодия и ритъм
    • Те превеждат текстове на други езици
    • Те контролират изходния обем
  3. Кой компонент осигурява фините акустични детайли като тембър и текстура?
    • Текстовата подкана директно
    • Стъпка на реконструкция на Griffin-Lim
    • Акустичните токени на невронния кодек SoundStream
    • Ръкописен наръчник по теория на музиката
  4. Как MusicLM свързва текстова подкана с музикален звук?
    • Чрез съвпадение на ключови думи спрямо заглавия на песни
    • Като помолите човек да етикетира всеки клип
    • Чрез отделен API за превод
    • Чрез MuLan, съвместно пространство за вграждане на музика и текст
  5. Защо йерархичният, поетапен дизайн помага за дългосрочна структура?
    • Той позволява на груби, бавни токени да моделират дългосрочна форма без огромни дължини на последователности
    • Премахва необходимостта от каквито и да било данни за обучение
    • Възпроизвежда песента по-бързо, за да се побере повече
    • Той генерира само три секунди наведнъж
  6. What does the MusicLM paper report about its generated music duration and sample rate?
    • Every output is exactly 30 seconds at 8 kHz
    • Its experiments report 24 kHz music that can remain consistent over several minutes
    • Only one-second clips at 48 kHz
    • Uncompressed MIDI of unlimited duration
  7. What additional input can MusicLM use alongside text to guide generation?
    • A spectrogram-only image caption
    • A microphone-array steering vector
    • A hummed or whistled melody
    • A source-code repository
  8. What did the MusicLM paper release as MusicCaps?
    • A collection of 5,500 synthesizer presets
    • A speech transcription benchmark
    • A set of SoundStream model weights only
    • 5,500 music-text pairs with human-written descriptions