MusicLM पदानुक्रमित संगीत निर्माण प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

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. MusicLM में सिमेंटिक टोकन की क्या भूमिका है?
   • वे गाने की फ़ाइल मेटाडेटा संग्रहीत करते हैं
   • वे सुर और लय जैसी उच्च स्तरीय संरचना को पकड़ते हैं
   • वे गीतों का अन्य भाषाओं में अनुवाद करते हैं
   • वे आउटपुट वॉल्यूम को नियंत्रित करते हैं
3. कौन सा घटक समय और बनावट जैसे बढ़िया ध्वनिक विवरण प्रदान करता है?
   • पाठ सीधे संकेत देता है
   • ग्रिफिन-लिम पुनर्निर्माण कदम
   • साउंडस्ट्रीम न्यूरल कोडेक के ध्वनिक टोकन
   • एक हस्तलिखित संगीत सिद्धांत नियम पुस्तिका
4. MusicLM टेक्स्ट प्रॉम्प्ट को संगीतमय ऑडियो से कैसे जोड़ता है?
   • गाने के शीर्षक के साथ कीवर्ड मिलान द्वारा
   • किसी मानव से प्रत्येक क्लिप पर लेबल लगाने के लिए कहकर
   • एक अलग अनुवाद एपीआई के माध्यम से
   • MuLan के माध्यम से, एक संयुक्त संगीत-पाठ एम्बेडिंग स्थान
5. पदानुक्रमित, चरणबद्ध डिज़ाइन लंबी दूरी की संरचना में मदद क्यों करता है?
   • यह विशाल अनुक्रम लंबाई के बिना मोटे, धीमे टोकन मॉडल को दीर्घकालिक रूप देता है
   • यह किसी भी प्रशिक्षण डेटा की आवश्यकता को हटा देता है
   • यह अधिक फिट बैठने के लिए गाने को तेजी से बजाता है
   • यह एक समय में केवल तीन सेकंड ही उत्पन्न करता है
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