Quiz lié à un guide · Moyen Niveau

Quiz sur la diffusion audio latente stable

Étudiez la diffusion audio latente conditionnée par le timing, avec la configuration originale VAE et CLAP, Stable Audio 2.0, le nombre d'échantillons stéréo et le rembourrage du silence.

Chemins de guidage associésDiffusion audio latente stable
Question 1 de 8

Quelle technique de base Stable Audio utilise-t-il pour générer de l'audio ?

Prévisualisez chaque question8 des questions

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

  1. Quelle technique de base Stable Audio utilise-t-il pour générer de l'audio ?
    • Séquençage MIDI basé sur des règles
    • Prédiction de jeton autorégressive uniquement
    • Diffusion latente dans un espace audio compressé
    • Enregistrement direct de la forme d'onde
  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. Quel composant compresse l’audio brut en une représentation latente ?
    • Un correcteur orthographique
    • Un générateur de nombres aléatoires
    • Un moteur de synthèse vocale
    • Un auto-encodeur variationnel (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