Тест, свързан с ръководство · Среден Ниво

Рифузионна спектрограма Дифузионен тест

Прегледайте основата Stable Diffusion на Riffusion, представянето на спектрограмата, фазовата реконструкция и ограниченията на генерираното аудио.

Свързани ръководни пътекиРифузионна спектрограма Дифузия
Въпрос 1 на 8

Какъв съществуващ AI модел е прецизирал Riffusion, за да генерира музика?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какъв съществуващ AI модел е прецизирал Riffusion, за да генерира музика?
    • Стабилна дифузия, модел за генериране на изображение
    • Модел за разпознаване на реч
    • Голям езиков модел
    • Агент за обучение за укрепване
  2. On a Riffusion spectrogram image, which direction typically represents increasing time?
    • Bottom to top along the vertical axis
    • Left to right along the horizontal axis
    • From the center outward
    • Time is not represented
  3. Защо Riffusion се нуждае от алгоритъм като Griffin-Lim?
    • За да преведете текстовата подкана на английски
    • За да компресирате крайния аудио файл
    • За реконструкция на фазова информация, липсваща в спектрограмата
    • За определяне на жанра на песента
  4. What can prompt interpolation do in Riffusion?
    • Turn generated music into a transcript
    • Separate instruments into stems
    • Replace the image model with a language model
    • Blend between two prompt-conditioned sound ideas
  5. Как първоначално беше създаден и пуснат Riffusion?
    • Като хоби проект от двама творци през 2022 г
    • Като правителствена субсидия за научни изследвания
    • Като платен продукт от голяма звукозаписна компания
    • Само като част от университетска докторска дисертация
  6. Besides prompts, what additional conditioning does Riffusion’s core repository list for its diffusion pipeline?
    • A speaker diarization label
    • Image conditioning
    • A MIDI transcription
    • A microphone array geometry
  7. In a Riffusion spectrogram, what does pixel intensity represent?
    • The lyric transcript confidence
    • The stereo microphone location
    • The magnitude or energy of a time-frequency component
    • The number of diffusion steps alone
  8. What does a mel-frequency axis do compared with uniform spacing in hertz?
    • It converts frequency into spoken words
    • It makes every frequency bin equally spaced in hertz
    • It stores only stereo position
    • It uses a nonlinear spacing intended to better reflect perceived pitch differences