Quiz sur la génération audio parallèle SoundStorm

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

1. Quel changement de génération distingue SoundStorm de la base acoustique autorégressive citée ?
   • Suppression de tous les composants neuronaux appris
   • Une garantie d'une seule étape inconditionnelle pour chaque niveau de token
   • Prédiction parallèle des positions des jetons acoustiques avec raffinement itératif
   • Une exigence de produire un seul échantillon de forme d’onde
2. Quelle direction d'attention le document SoundStorm utilise-t-il dans sa séquence de jetons modélisée ?
   • Attention bidirectionnelle
   • Seulement un masque d'attention causal obligatoire de gauche à droite
   • Aucune interaction symbolique d'aucune sorte
   • Seulement une mise à jour récurrente sans attention
3. Quel type de représentation SoundStorm génère-t-il ?
   • Échantillons de forme d'onde brute directement
   • Notes MIDI
   • Transcriptions de texte
   • Jetons acoustiques discrets d'un codec neuronal
4. Quel résultat de synchronisation à l'échelle matérielle est rapporté dans le résumé SoundStorm ?
   • Chaque appareil génère tout l'audio en exactement 0,5 seconde
   • 30 secondes d'audio générées en 0,5 seconde sur un TPU-v4
   • 30 secondes d'audio nécessitent toujours deux heures
   • Aucun matériel ni durée n'a été identifié
5. Comment le décodage itératif au sein du niveau de SoundStorm utilise-t-il les informations de confiance ?
   • Il retient les candidats symboliques confiants sélectionnés en fonction de son calendrier.
   • Il garantit que la confiance équivaut à l'exactitude des faits
   • Il ne conserve que les jetons dont les noms sont en premier par ordre alphabétique
   • Il ne prédit jamais les positions masquées
6. À quoi SoundStorm est-il généralement conditionné pour contrôler le contenu ?
   • Bruit aléatoire uniquement
   • Une mélodie fixe
   • Intégrations d'images
   • Jetons sémantiques de modèles comme AudioLM ou SPEAR-TTS
7. Dans la hiérarchie de décodage SoundStorm indiquée, quand les niveaux RVQ les plus fins sont-ils échantillonnés par rapport aux niveaux plus grossiers ?
   • Avant que des informations de niveau plus grossier ne soient disponibles
   • Une fois que les jetons de niveau plus grossier requis ont été échantillonnés
   • Seulement après que tous les échantillons de forme d'onde ont été imprimés sous forme de texte
   • Sans aucun ordre ni dépendances conditionnelles
8. Quelle entrée fournit des informations vocales du locuteur dans la configuration de dialogue invité signalée, distinctes des jetons de contenu sémantique ?
   • Uniquement le nom du fichier de sortie
   • Seul un nombre numérique d'onglets de navigateur
   • Une courte invite acoustique contenant les voix des locuteurs
   • Une image obligatoire d'une partition musicale