Útmutatóhoz kapcsolódó kvíz · Közepes Szint

AudioGen szöveg-audio szintézis kvíz

Review AudioGen’s text-conditioned acoustic tokens, waveform codec, autoregression, mixed-source augmentation, guidance, and audio continuation.

Kapcsolódó útmutató utakAudiogén szöveg-hang szintézis
kérdés 1 -ból 8

What task does the cited AudioGen study address?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. What task does the cited AudioGen study address?
    • Only exact transcript-to-speech rendering
    • Csak képbesorolás
    • Generating general audio conditioned on descriptive text
    • Only converting every audio event into MIDI notation
  2. Mi az első szakasz az AudioGen folyamatában?
    • Egy audio autoencoder, amely a hullámformákat diszkrét tokenekké alakítja
    • Szöveg-kép modell
    • Beszédfelismerő
    • Videó kódoló
  3. Milyen típusú modell jósolja meg az audio tokeneket?
    • Konvolúciós képosztályozó
    • Egy döntési fa
    • Egy egyszerű lineáris regresszor
    • Egy autoregresszív transzformátor nyelvi modell
  4. What does AudioGen’s original mixed-source augmentation do?
    • Only concatenates unmodified waveform clips end to end
    • Mixes audio samples and concatenates their corresponding text captions
    • Deletes both source captions
    • Changes every sound into a silent recording
  5. Melyik nagyobb Meta könyvtár tartalmazza az AudioGen-t?
    • AudioCraft
    • PyTorch Lightning
    • TensorFlow Hub
    • Átölelhető arcdiffúzorok
  6. Hogyan lehet végső hullámformát előállítani az AudioGen által generált tokenekből?
    • A tokenek szövegként kerülnek kinyomtatásra
    • E-mailben elküldik egy szerverre
    • Képként jelennek meg
    • A kodek dekódoló a tokeneket hanggá alakítja vissza
  7. Which two model contributions are combined by classifier-free guidance in the original AudioGen formulation?
    • Only the left and right display colors
    • Text-conditional and unconditional log-probability contributions
    • Only two unrelated image filenames
    • A required human transcript and a password
  8. What additional input defines AudioGen’s studied audio-continuation setup?
    • Only a blank file extension
    • A mandatory complete future waveform as the answer
    • An initial acoustic audio prefix
    • Only a screenshot of the source code