Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur stabilen Audio-Latentdiffusion

Untersuchen Sie die zeitbedingte latente Audiodiffusion mit dem ursprünglichen VAE- und CLAP-Setup, Stable Audio 2.0, Stereo-Sample-Anzahl und Stille-Padding.

Verwandte FührungspfadeStabile latente Audiodiffusion
Frage 1 von 8

Welche Kerntechnik verwendet Stable Audio zur Audioerzeugung?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Welche Kerntechnik verwendet Stable Audio zur Audioerzeugung?
    • Regelbasierte MIDI-Sequenzierung
    • Nur autoregressive Token-Vorhersage
    • Latente Diffusion in einem komprimierten Audioraum
    • Direkte Wellenformaufzeichnung
  2. 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
  3. Welche Komponente komprimiert das Rohaudio in eine latente Darstellung?
    • Eine Rechtschreibprüfung
    • Ein Zufallszahlengenerator
    • Eine Sprache-zu-Text-Engine
    • Ein Variations-Autoencoder (VAE)
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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