Cuestionario vinculado a una guía · duro Nivel

Prueba de identificación de la canción de portada

Explica las representaciones de croma y clase de tono, transposición y alineación de tempo, incrustaciones y los límites de la coincidencia de huellas dactilares de audio.

Pregunta 1 de 8

Why can a recording fingerprint designed for near-identical audio fail on a cover performance?

Vista previa de cada pregunta8 preguntas

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

  1. Why can a recording fingerprint designed for near-identical audio fail on a cover performance?
    • A cover may change tempo, key, arrangement, and instrumentation while preserving the composition
    • It is guaranteed to match any recording with the same title
    • Every cover uses the same waveform samples
    • It can identify a song only from album artwork
  2. ¿Qué representa una característica croma (HPCP)?
    • El nivel exacto de decibelios de cada segundo.
    • Las 12 clases de tonos con octavas colapsaron juntas
    • Los nombres de los músicos intérpretes.
    • The file’s compression format
  3. ¿Cómo manejan los sistemas una portada grabada en un tono musical diferente?
    • Se dan por vencidos y no informan coincidencia.
    • Convierten el audio a texto.
    • Giran cíclicamente el vector croma de 12 bins para probar todas las transposiciones
    • Aceleran la grabación al 2x
  4. ¿Qué técnica estira una secuencia de audio para alinearla con otra que tiene un tempo diferente?
    • Compresión JPEG
    • barajado aleatorio
    • Interpolación de píxeles
    • Deformación dinámica del tiempo (DTW)
  5. How can a learned cover-song model support retrieval across tracks of different lengths?
    • Map each track to a fixed-dimensional representation and compare representations
    • Require every version to have the same waveform length
    • Search only by file name
    • Compare the full waveform sample-by-sample without alignment
  6. Which training loss does ByteCover use to compact same-composition versions in its embedding space?
    • A reconstruction loss only
    • Triplet loss, alongside a classification loss
    • A binary cross-entropy loss between raw waveforms
    • A next-token prediction loss
  7. How can chroma features help compare some cover recordings?
    • They make every instrument produce identical features
    • They remove all effects of arrangement and production
    • They summarize pitch-class structure and reduce sensitivity to octave and some timbral changes
    • They prove two tracks are the same composition
  8. What information can a single global chroma summary lose when comparing cover songs?
    • The fact that pitch classes repeat across octaves
    • The recording’s file extension
    • Whether the waveform has a left and right channel
    • The temporal order of pitch-class events through the track