Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ διάχυσης φασματογράμματος διάχυσης

Εξετάστε τη βάση Stable Diffusion του Riffusion, την αναπαράσταση φασματογράμματος, την ανακατασκευή φάσης και τους περιορισμούς του παραγόμενου ήχου.

Σχετικές διαδρομές οδηγώνΔιάχυση φασματογράμματος διάχυσης
Ερώτηση 1 του 8

Ποιο υπάρχον μοντέλο AI βελτίωσε το Riffusion για να δημιουργήσει μουσική;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιο υπάρχον μοντέλο AI βελτίωσε το Riffusion για να δημιουργήσει μουσική;
    • Stable Diffusion, ένα μοντέλο δημιουργίας εικόνας
    • Ένα μοντέλο αναγνώρισης ομιλίας
    • Ένα μεγάλο μοντέλο γλώσσας
    • Ένας παράγοντας ενίσχυσης μάθησης
  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. Γιατί το Riffusion χρειάζεται έναν αλγόριθμο όπως ο Griffin-Lim;
    • Για να μεταφράσετε το μήνυμα κειμένου στα αγγλικά
    • Για συμπίεση του τελικού αρχείου ήχου
    • Για την ανακατασκευή των πληροφοριών φάσης που λείπουν από το φασματόγραμμα
    • Για να εντοπίσετε το είδος του τραγουδιού
  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. Πώς δημιουργήθηκε και κυκλοφόρησε αρχικά το Riffusion;
    • Ως έργο χόμπι από δύο δημιουργούς το 2022
    • Ως κρατική επιχορήγηση έρευνας
    • Ως προϊόν επί πληρωμή από μεγάλη δισκογραφική
    • Μόνο ως μέρος πανεπιστημιακής διδακτορικής διατριβής
  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