Quiz sur la génération musicale hiérarchique MusicLM

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

1. How does MusicLM formulate conditional music generation?
   • As hierarchical sequence-to-sequence modeling over audio tokens
   • As painting pixels with a diffusion model
   • As concatenating fixed prerecorded loops
   • As simulating instrument mechanics
2. Quel est le rôle des jetons sémantiques dans MusicLM ?
   • Ils stockent les métadonnées du fichier de la chanson
   • Ils capturent une structure de haut niveau comme la mélodie et le rythme
   • Ils traduisent les paroles dans d'autres langues
   • Ils contrôlent le volume de sortie
3. Quel composant fournit les détails acoustiques fins comme le timbre et la texture ?
   • L'invite de texte directement
   • Une étape de reconstruction Griffin-Lim
   • Les jetons acoustiques du codec neuronal SoundStream
   • Un livret de règles manuscrit de théorie musicale
4. Comment MusicLM connecte-t-il une invite textuelle à l'audio musical ?
   • Par correspondance de mots clés avec les titres de chansons
   • En demandant à un humain d'étiqueter chaque clip
   • Via une API de traduction distincte
   • Grâce à MuLan, un espace commun d'intégration de musique et de texte
5. Pourquoi la conception hiérarchique et par étapes facilite-t-elle la structure à long terme ?
   • Il permet aux jetons grossiers et lents de modéliser une forme à long terme sans d'énormes longueurs de séquence
   • Cela supprime le besoin de données de formation
   • Il joue la chanson plus rapidement pour s'intégrer davantage
   • Il ne génère que trois secondes à la fois
6. What does the MusicLM paper report about its generated music duration and sample rate?
   • Every output is exactly 30 seconds at 8 kHz
   • Its experiments report 24 kHz music that can remain consistent over several minutes
   • Only one-second clips at 48 kHz
   • Uncompressed MIDI of unlimited duration
7. What additional input can MusicLM use alongside text to guide generation?
   • A spectrogram-only image caption
   • A microphone-array steering vector
   • A hummed or whistled melody
   • A source-code repository
8. What did the MusicLM paper release as MusicCaps?
   • A collection of 5,500 synthesizer presets
   • A speech transcription benchmark
   • A set of SoundStream model weights only
   • 5,500 music-text pairs with human-written descriptions