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.
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.
- 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
- Mi az első szakasz az AudioGen folyamatában?
- Egy audio autoencoder, amely a hullámformákat diszkrét tokenekké alakítja
- Szöveg-kép modell
- Beszédfelismerő
- Videó kódoló
- Milyen típusú modell jósolja meg az audio tokeneket?
- Konvolúciós képosztályozó
- Egy döntési fa
- Egy egyszerű lineáris regresszor
- Egy autoregresszív transzformátor nyelvi modell
- 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
- Melyik nagyobb Meta könyvtár tartalmazza az AudioGen-t?
- AudioCraft
- PyTorch Lightning
- TensorFlow Hub
- Átölelhető arcdiffúzorok
- 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
- 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
- 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