Prueba de AudioLM

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Qué idea central utiliza AudioLM para generar audio?
   • Trata el audio como una secuencia de tokens y predice el siguiente, como un modelo de lenguaje.
   • Reproduce audio a partir de partituras.
   • Muestra ruido aleatorio sin aprendizaje.
   • Graba y reproduce actuaciones humanas.
2. ¿Cuál es el papel de los tokens "semánticos" en AudioLM?
   • Captan timbres finos y graban ruido.
   • Captan estructuras a largo plazo como la fonética y la melodía.
   • Almacenan la transcripción del texto.
   • Controlan el formato del archivo de salida.
3. ¿Qué códec neuronal produce los tokens acústicos de AudioLM?
   • MP3
   • OndaNet
   • SoundStream
   • susurro
4. ¿Qué requiere AudioLM como datos de entrenamiento?
   • Audio combinado con transcripciones detalladas.
   • Sólo archivos MIDI
   • Imágenes de formas de onda
   • Solo audio sin procesar, sin transcripciones
5. After AudioLM predicts semantic tokens, how does its hierarchical generation add acoustic detail?
   • It predicts coarse acoustic tokens, then fine acoustic tokens
   • It predicts fine acoustic tokens, then coarse acoustic tokens
   • It predicts coarse acoustic tokens before semantic tokens
   • It predicts acoustic tokens without a semantic-token stage
6. ¿Qué sistema posterior se basó directamente en el enfoque basado en tokens de AudioLM?
   • Stable Diffusion
   • MusicLM
   • GPT-2
   • DALL-E
7. Which model does AudioLM use to produce its semantic token sequence?
   • A text-only GPT decoder trained on transcripts
   • The SoundStream waveform decoder
   • A self-supervised w2v-BERT representation model
   • A hand-authored MIDI score
8. What audio types did the AudioLM paper demonstrate continuing from an audio prompt?
   • Only environmental noise and no music
   • Spoken text transcripts and MIDI files only
   • Images and silent video clips
   • Speech and piano music