Cuestionario vinculado a una guía · Medio Nivel

Cuestionario sobre el códec neuronal SoundStream

Compruebe el codificador de SoundStream, el cuantificador de vector residual, el funcionamiento de velocidad de bits variable y cómo las opciones de cuantificador afectan la velocidad y la calidad.

Rutas de guía relacionadasCódec neuronal Soundstream
Pregunta 1 de 8

¿Qué tres componentes componen la arquitectura SoundStream?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué tres componentes componen la arquitectura SoundStream?
    • Codificador, cuantificador de vector residual y decodificador.
    • Tokenizador, transformador y vocoder
    • Espectrograma, capa de atención y clasificador.
    • Compresor, ecualizador y amplificador.
  2. ¿Qué técnica permite que un único modelo SoundStream ofrezca muchas velocidades de bits diferentes sin necesidad de volver a entrenar?
    • Resta espectral
    • Abandono del cuantificador (RVQ escalable)
    • Decodificación de búsqueda de haz
    • Compresión de rango dinámico
  3. En las pruebas de escucha de Google, ¿qué códec a 12 kbps superó a SoundStream a 3 kbps?
    • MP3
    • FLAC
    • obra
    • CAA
  4. ¿Qué tipo de señal de entrenamiento adicional utiliza SoundStream para que la salida suene natural?
    • Un modelo de recompensa por aprendizaje reforzado
    • Un modelo de Markov oculto
    • Un filtro de audio basado en reglas
    • Un discriminador adversario al estilo GAN
  5. ¿Cómo se relaciona la tasa de bits de SoundStream con sus cuantificadores?
    • Las capas de cuantificador más activas aumentan la tasa de bits
    • La tasa de bits es fija independientemente de los cuantificadores.
    • Menos cuantificadores siempre aumentan la tasa de bits
    • Los cuantificadores solo afectan la latencia, no la tasa de bits
  6. ¿Por qué SoundStream es importante para los modelos de audio generativo?
    • Elimina todo el ruido de fondo de cualquier grabación.
    • Sus tokens discretos sirven como entradas para modelos como AudioLM y MusicLM.
    • Solo funciona con texto, no con audio.
    • Reemplaza la necesidad de cualquier red neuronal.
  7. Which factors determine SoundStream’s bitrate in the guide’s simplified relationship?
    • Audio duration and speaker identity only
    • The number of loss functions and dataset labels
    • Frame rate, active quantizer count, and bits per codebook
    • The decoder’s color depth and image resolution
  8. Why does quantizer dropout help SoundStream degrade gracefully at lower rates?
    • It removes the encoder from the architecture
    • It makes every codebook transmit more bits
    • It replaces reconstruction with a language-model loss
    • It trains earlier codebooks to retain the most important information when later ones are omitted