Kvíz spojený s průvodcem · Střední úroveň

Kvíz s automatickým přepisem hudby

Podívejte se, jak automatický přepis hudby převádí nahrávky na události s notami, proč je polyfonie obtížná a jak vícestopé systémy reprezentují části.

Související vodicí cestyAutomatický přepis hudby
Otázka 1 z 8

Co je hlavním výstupem automatického přepisu hudby?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co je hlavním výstupem automatického přepisu hudby?
    • Symbolická reprezentace jako MIDI nebo noty
    • Hlasitější, remasterovaná verze zvuku
    • Textový popis nálady písně
    • Komprimovaný zvukový soubor
  2. Proč je tak těžké přepsat polyfonní hudbu?
    • Zvukové soubory jsou příliš velké
    • Překrývající se tóny sdílejí a rozmazávají harmonické ve spektru
    • Mikrofony nemohou zaznamenat více než jednu notu
    • Polyfonní hudba je vždy příliš tichá
  3. Co bylo pozoruhodného na modelu Onsets and Frames Google?
    • Vytvářelo nové písně od nuly
    • Fungovalo to pouze na mluvené slovo
    • Odděluje detekci začátku od detekce rozteče na úrovni snímku
    • Odstranil hluk na pozadí z nahrávek
  4. Proč je Constant-Q Transform užitečná pro hudbu?
    • Automaticky odstraňuje tiché sekce
    • Převádí stereo na mono
    • Zrychluje zvuk
    • Jeho frekvenční přihrádky jsou rozmístěny logaritmicky, což odpovídá rozestupu hudebních tónů
  5. Co znamená „počátek“ v transkripci?
    • Přesný okamžik, kdy poznámka začíná
    • Konec písně
    • Hlasitost nahrávky
    • Tempo skladby
  6. Který model je známý pro přepis více nástrojů najednou?
    • JPEG
    • MT3
    • BERT-základna
    • WaveNet
  7. What information does a symbolic MIDI note event typically encode?
    • Only the waveform’s microphone brand
    • A compressed audio bitrate and codec license
    • Pitch and timing such as onset and duration
    • The listener’s preferred musical genre
  8. What makes MT3 a multitrack transcription system?
    • It converts every instrument to a single speech transcript
    • It only estimates the global BPM
    • It identifies songs from short audio fingerprints
    • It predicts note events across multiple instrument parts