গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
নিউরাল অডিও কোডেক কুইজ
কীভাবে নিউরাল অডিও কোডেকগুলি এনকোড করে এবং শব্দ পুনর্গঠন করে, কীভাবে অবশিষ্ট কোয়ান্টাইজেশন কাজ করে এবং কেন টোকেন রেট বিটরেট এবং গুণমানকে প্রভাবিত করে তা পরীক্ষা করুন৷
প্রশ্ন 1 এর 8
একটি নিউরাল অডিও কোডেক প্রাথমিকভাবে কোন দুটি জিনিস করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- একটি নিউরাল অডিও কোডেক প্রাথমিকভাবে কোন দুটি জিনিস করে?
- অডিওকে আলাদা টোকেনে সংকুচিত করুন এবং এটি পুনর্গঠন করুন
- অডিও রেকর্ড এবং প্রসারিত করুন
- বক্তৃতা অনুবাদ এবং প্রতিলিপি
- রিভার্ব এবং সমতা যোগ করুন
- কোন কোয়ান্টাইজেশন কৌশলটি সাউন্ডস্ট্রিম এবং এনকোডেকের মতো কোডেকের কেন্দ্রীয়?
- JPEG কোয়ান্টাইজেশন
- অবশিষ্ট ভেক্টর কোয়ান্টাইজেশন (RVQ)
- রৈখিক ভবিষ্যদ্বাণীমূলক কোডিং
- ফুরিয়ার কোয়ান্টাইজেশন
- অবশিষ্ট ভেক্টর কোয়ান্টাইজেশনে, প্রতিটি ধারাবাহিক কোডবুক কী এনকোড করে?
- একটি সম্পূর্ণ আলাদা অডিও চ্যানেল
- অডিওর টেক্সট ট্রান্সক্রিপ্ট
- পূর্ববর্তী কোডবুকগুলির দ্বারা অবশিষ্ট ত্রুটি
- নমুনা হার মেটাডেটা
- কেন জেনারেটিভ অডিও মডেলের জন্য নিউরাল অডিও কোডেক গুরুত্বপূর্ণ?
- তারা স্বয়ংক্রিয়ভাবে জেনার সহ অডিও লেবেল করে
- তারা একসাথে একাধিক ট্র্যাক মিশ্রিত
- তারা অডিওকে শীট সঙ্গীতে রূপান্তর করে
- তারা আলাদা টোকেন প্রদান করে যা VALL-E এবং MusicGen এর মত মডেল তৈরি করে
- কিভাবে একটি নিউরাল কোডেকে আরো কোডবুক ব্যবহার করে আউটপুট প্রভাবিত করে?
- এটি বিটরেট বাড়ায় কিন্তু পুনর্গঠনের মান উন্নত করে
- এটি বিটরেট এবং কোয়ালিটি একসাথে কমিয়ে দেয়
- এটি বক্তৃতার ভাষা পরিবর্তন করে
- মানের উপর এর কোন প্রভাব নেই
- What subjective comparison did the SoundStream paper report at 3 kbps?
- At 24 kHz, SoundStream at 3 kbps outperformed Opus at 12 kbps in the reported evaluation
- It matched every codec at every bitrate
- It was tested only against MP3 at 320 kbps
- It produced higher quality than all commercial audio codecs
- What is the decoder’s role in a neural audio codec?
- Choose which transcript is legally correct
- Predict the speaker’s identity from text only
- Reconstruct audio from the encoded discrete representation
- Assign language labels to silence
- What inference capability did the SoundStream paper report for its low-latency codec?
- Only offline batch processing on a server cluster
- It required a GPU for every audio frame
- It could encode images but not audio
- Streamable real-time inference on a smartphone CPU