Cuestionario vinculado a una guía · Medio Nivel
Prueba de reconocimiento de acordes de audio
Revise las características cromáticas, la decodificación de secuencias HMM, la separación armónica-percusiva, la alineación de tiempos de Chordify y el método de entrenamiento Lee-Slaney.
Pregunta 1 de 8
¿Cuál es el resultado de un sistema de reconocimiento de acordes de audio?
Vista previa de cada pregunta8 preguntas
Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.
- ¿Cuál es el resultado de un sistema de reconocimiento de acordes de audio?
- Una secuencia alineada en el tiempo de etiquetas de acordes.
- Una lista de letras de canciones.
- El tamaño del archivo de grabación.
- una foto de la banda
- ¿Qué característica es más importante para el reconocimiento de acordes?
- Fecha de modificación del archivo
- Vectores de croma (clase de tono)
- Recuento de canales estéreo
- tasa de bits
- ¿Por qué a menudo se aplica la separación armónico-percusiva antes del reconocimiento de acordes?
- Para hacer la canción más fuerte
- Para traducir la letra
- Para suprimir el ruido del tambor que oscurece la armonía
- Para acortar la canción
- ¿Qué papel desempeñaban tradicionalmente los modelos ocultos de Markov en el reconocimiento de acordes?
- Generando carátulas del álbum
- Comprimir el audio
- Afinando la guitarra
- Suavizar secuencias de acordes usando transiciones probables
- What can small tuning differences do to chroma-based chord recognition?
- Shift energy between nearby pitch bins and confuse closely related chord labels
- Remove all temporal information from the recording
- Make every chord label equally likely
- Convert chroma features into text tokens
- ¿Qué aplicación es un ejemplo conocido de reconocimiento de acordes para estudiantes?
- Un programa de hoja de cálculo
- cordificar
- Una aplicación meteorológica
- Un rastreador de vuelos
- Which two processes does Chordify identify in placing chord labels on a song?
- Speaker diarization and voice activity detection
- Source separation and image captioning
- Chord recognition and beat tracking
- Pitch correction and text-to-speech
- How did Lee and Slaney create supervised training labels for their HMM chord-recognition method?
- They used only unlabelled live recordings
- They transcribed lyrics and inferred chords from word sentiment
- They used random labels and optimized without audio
- They generated labels by harmonic analysis of symbolic music and paired them with audio rendered from the same symbolic data