Cuestionario vinculado a una guía · Medio Nivel

Prueba de difusión latente de audio estable

Estudie la difusión de audio latente condicionada por el tiempo, con la configuración VAE y CLAP original, Stable Audio 2.0, recuentos de muestras estéreo y relleno de silencio.

Rutas de guía relacionadasDifusión latente de audio estable
Pregunta 1 de 8

¿Qué técnica principal utiliza Stable Audio para generar audio?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué técnica principal utiliza Stable Audio para generar audio?
    • Secuenciación MIDI basada en reglas
    • Solo predicción de token autorregresivo
    • Difusión latente en un espacio de audio comprimido.
    • Grabación directa de formas de onda
  2. What timing information conditions the original Stable Audio research setup?
    • Start position and total-duration signals
    • Only a singer’s legal name
    • Only a video display resolution
    • Only the output filename’s alphabetical position
  3. ¿Qué componente comprime el audio sin procesar en una representación latente?
    • Un corrector ortográfico
    • Un generador de números aleatorios
    • Un motor de voz a texto
    • Un codificador automático variacional (VAE)
  4. What capability did the official April 2024 Stable Audio 2.0 announcement report?
    • A guarantee of six-minute generation in the original 95 sec paper setup
    • Up to three-minute 44.1 kHz stereo generation and audio-to-audio transformation
    • Only silent mono waveform output
    • Only automatic subtitle translation
  5. How does a text-only generation run in the original latent-diffusion setup start?
    • From a noise latent that is denoised using the conditions
    • By necessarily recording a live microphone
    • By copying a complete training song without a model
    • By requiring a complete future waveform as input
  6. Which text encoder is identified in the original Fast Timing-Conditioned Latent Audio Diffusion architecture?
    • Only a handwritten MIDI rule table
    • A required raw image-pixel encoder
    • An unspecified choice guaranteed identical across all versions
    • A CLAP text encoder
  7. At 44.1 kHz stereo, how many individual channel amplitude values occur in one second before file encoding?
    • 44,100
    • 88,200
    • 22,050
    • 176,400
  8. In the original 95-second window example, a 30-second requested signal is followed by how much silence before trimming?
    • 30 seconds
    • 95 seconds
    • 65 seconds
    • 125 seconds