Kvíz spojený s průvodcem · Střední úroveň
Stabilní kvíz latentní difúze zvuku
Studujte načasování podmíněné latentní šíření zvuku s původním nastavením VAE a CLAP, Stable Audio 2.0, stereo počty vzorků a tlumení.
Otázka 1 z 8
Jakou základní techniku používá Stable Audio ke generování zvuku?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jakou základní techniku používá Stable Audio ke generování zvuku?
- Sekvence MIDI založené na pravidlech
- Pouze autoregresivní predikce tokenu
- Latentní difúze v komprimovaném zvukovém prostoru
- Přímý záznam průběhu
- What timing information conditions the original Stable Audio research setup?
- Start position and total-duration signals
- Only a singer’s legal name
- Only a video display resolution
- Only the output filename’s alphabetical position
- Která komponenta komprimuje nezpracovaný zvuk do latentní reprezentace?
- Kontrola pravopisu
- Generátor náhodných čísel
- Motor pro převod řeči na text
- Variační automatický kodér (VAE)
- What capability did the official April 2024 Stable Audio 2.0 announcement report?
- A guarantee of six-minute generation in the original 95 sec paper setup
- Up to three-minute 44.1 kHz stereo generation and audio-to-audio transformation
- Only silent mono waveform output
- Only automatic subtitle translation
- How does a text-only generation run in the original latent-diffusion setup start?
- From a noise latent that is denoised using the conditions
- By necessarily recording a live microphone
- By copying a complete training song without a model
- By requiring a complete future waveform as input
- Which text encoder is identified in the original Fast Timing-Conditioned Latent Audio Diffusion architecture?
- Only a handwritten MIDI rule table
- A required raw image-pixel encoder
- An unspecified choice guaranteed identical across all versions
- A CLAP text encoder
- At 44.1 kHz stereo, how many individual channel amplitude values occur in one second before file encoding?
- 44,100
- 88,200
- 22,050
- 176,400
- In the original 95-second window example, a 30-second requested signal is followed by how much silence before trimming?
- 30 seconds
- 95 seconds
- 65 seconds
- 125 seconds