Quiz lié à un guide · Moyen Niveau
Quiz de reconnaissance d'accords audio
Passez en revue les fonctionnalités de chrominance, le décodage de séquence HMM, la séparation harmonique-percussive, l'alignement des battements Chordify et la méthode d'entraînement Lee-Slaney.
Question 1 de 8
Quel est le résultat d’un système de reconnaissance d’accords audio ?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- Quel est le résultat d’un système de reconnaissance d’accords audio ?
- Une séquence d'étiquettes d'accords alignées dans le temps
- Une liste de paroles de chansons
- La taille du fichier de l'enregistrement
- Une photo du groupe
- Quelle fonctionnalité est la plus centrale dans la reconnaissance des accords ?
- Date de modification du fichier
- Vecteurs Chroma (classe de pas)
- Nombre de canaux stéréo
- Débit
- Pourquoi la séparation harmonique-percussive est-elle souvent appliquée avant la reconnaissance des accords ?
- Pour rendre la chanson plus forte
- Pour traduire les paroles
- Pour supprimer le bruit de batterie qui obscurcit l'harmonie
- Pour raccourcir la chanson
- Quel rôle les modèles de Markov cachés jouaient-ils traditionnellement dans la reconnaissance d'accords ?
- Générer une pochette d'album
- Compresser l'audio
- Accorder la guitare
- Lissage des séquences d'accords à l'aide de transitions 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
- Quelle application est un exemple bien connu de reconnaissance d’accords pour les apprenants ?
- Un tableur
- Chordifier
- Une application météo
- Un tracker de vol
- 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