Quiz lié à un guide · Moyen Niveau

Marquage musical avec le quiz Transformers

Comprenez le balisage musical basé sur un transformateur, les sorties multi-étiquettes, le pré-entraînement audio, les mesures de référence et les modèles audio-texte contrastés.

Chemins de guidage associésMarquage musical avec Transformers
Question 1 de 8

Pourquoi le marquage musical est-il traité comme un problème multi-label ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Pourquoi le marquage musical est-il traité comme un problème multi-label ?
    • Parce qu'une seule piste peut porter plusieurs tags à la fois
    • Parce que chaque chanson a exactement une balise correcte
    • Parce que les balises sont toujours numériques
    • Parce qu'un seul genre existe par artiste
  2. In the Audio Spectrogram Transformer paper, what audio representation is split into patches?
    • A list of MIDI note names
    • Un spectrogramme log-Mel
    • A sequence of album-cover pixels
    • A transcription of the song’s lyrics
  3. Pourquoi les modèles de marquage musical utilisent-ils une sortie sigmoïde par tag au lieu d'un softmax ?
    • Les sigmoïdes sont plus rapides à calculer
    • Softmax ne peut pas fonctionner sur l'audio
    • Parce que les balises peuvent coexister et ne s'excluent pas mutuellement
    • Pour réduire le nombre de balises
  4. Quel est le rôle de la préformation auto-supervisée pour des modèles comme le MERT ?
    • Il étiquette les chansons à la main
    • Il supprime les voix des pistes
    • Cela ne fonctionne que sur la musique classique
    • Il apprend des représentations audio fortes à partir de clips non étiquetés avant de les peaufiner.
  5. Quel ensemble de données est couramment utilisé pour affiner et évaluer les marqueurs musicaux ?
    • MagnaTagATune
    • MNIST
    • ImageNet
    • ESCOUADE
  6. Comment les modèles de style CLAP permettent-ils le marquage de musique sans prise de vue ?
    • En mémorisant chaque chanson
    • En alignant les descriptions audio et textuelles dans un espace d'intégration partagé
    • En convertissant la musique en images
    • En exigeant des étiquettes pour chaque balise possible
  7. Which metric can evaluate a music tagger’s ability to rank relevant tags highly?
    • Taux d'erreur de mots
    • Peak signal-to-noise ratio
    • Mean average precision
    • BLEU score
  8. What does the musicnn repository provide?
    • A text-only sentiment classifier
    • A digital audio workstation
    • A collection of manually composed MIDI scores
    • Pretrained convolutional neural networks for music audio tagging