Тест, свързан с ръководство · лесно Ниво

Тест за разделяне на музика с отваряне и размяна

Прегледайте възпроизводимата базова линия за разделяне на стъблата на Open-Unmix, специфични за целта модели, маскиране на спектрограма и контекст на обучение MUSDB18.

Свързани ръководни пътекиОтворете Unmix Music Separation
Въпрос 1 на 8

Какво прави Open-Unmix?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво прави Open-Unmix?
    • Разделя песен на части като вокали, барабани, бас и други
    • Генерира текстове от мелодии
    • Компресира аудио в MP3
    • Автоматично настройва китари
  2. Каква невронна мрежа е в основата на Open-Unmix?
    • Конволюционен GAN
    • Трислоен двупосочен LSTM с плътни слоеве
    • Гора за вземане на решения
    • Дифузионен трансформатор
  3. На какво представяне работи Open-Unmix?
    • Само необработената форма на вълната
    • MIDI нотни събития
    • Магнитудната спектрограма на сместа
    • Нотни изображения
  4. На кой набор от данни се обучава Open-Unmix?
    • ImageNet
    • LibriSpeech
    • КОКО
    • MUSDB18
  5. Каква беше основната цел на дизайна на Open-Unmix?
    • Да бъде прозрачна, възпроизводима референтна базова линия
    • Да спечелиш всяка класация на всяка цена
    • Да работи само на собствен хардуер
    • За да замени човешките музиканти
  6. Как Open-Unmix реконструира отделено стъбло след предсказване на маска?
    • Той синтезира аудио от нулата с вокодер
    • Той умножава маската по величината на сместа и повторно използва оригиналната фаза чрез обратен STFT
    • Той възпроизвежда оригиналния файл непроменен
    • Преобразува маската в текст
  7. In the original Open-Unmix reference design, how are target stems modeled?
    • One language model predicts all lyrics
    • A single fixed equalizer separates every instrument
    • A separate target-specific network is trained for each stem
    • A classifier only labels the whole song
  8. What is a stated reason Open-Unmix uses framework-specific implementations?
    • To prevent researchers from comparing results
    • To require proprietary hardware
    • To eliminate all pre- and post-processing
    • To keep implementations clear and reproducible across supported frameworks