Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Riffúziós spektrogram diffúziós kvíz
Tekintse át a Riffusion Stable Diffusion alapját, a spektrogram ábrázolását, a fázisrekonstrukciót és a generált hang korlátait.
kérdés 1 -ból 8
Melyik létező AI-modellt finomhangolta a Riffusion, hogy zenét generáljon?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Melyik létező AI-modellt finomhangolta a Riffusion, hogy zenét generáljon?
- Stable Diffusion, egy képgeneráló modell
- Beszédfelismerő modell
- Nagy nyelvi modell
- Megerősítő tanulási ügynök
- Egy Riffusion spektrogram képen melyik irány jellemzően az idő növekedését jelenti?
- Alulról felfelé a függőleges tengely mentén
- Balról jobbra a vízszintes tengely mentén
- Középről kifelé
- Az idő nincs ábrázolva
- Miért van szüksége a Riffúziónak olyan algoritmusra, mint a Griffin-Lim?
- A szöveges prompt angolra fordítása
- A végső hangfájl tömörítéséhez
- A spektrogramból hiányzó fázisinformációk rekonstruálására
- A dal műfajának felismerése
- Mit tehet a felszólító interpoláció a Riffusion-ben?
- A generált zenét átiratká alakíthatja
- Válasszuk szét a hangszereket szárra
- Cserélje le a képmodellt egy nyelvi modellre
- Keverjen össze két azonnali kondicionált hangötlet között
- Hogyan jött létre és adták ki eredetileg a Riffusion-t?
- Két alkotó hobbiprojektjeként 2022-ben
- Állami kutatási pályázatként
- Fizetett termékként egy nagy lemezkiadótól
- Csak egyetemi doktori disszertáció részeként
- A felszólításokon kívül milyen további feltételeket tartalmaz a Riffusion központi adattára a diffúziós csővezetékhez?
- Egy hangszóró naplózó címke
- Kép kondicionálása
- MIDI átírás
- Mikrofon tömb geometriája
- A Riffusion spektrogramon mit jelent a pixelintenzitás?
- A lírai átirat magabiztossága
- A sztereó mikrofon helye
- Egy idő-frekvencia komponens nagysága vagy energiája
- A diffúziós lépések száma önmagában
- Mit csinál egy mel-frekvencia tengely a hertzben mért egyenletes térközhöz képest?
- A frekvenciát kimondott szavakká alakítja
- Minden frekvenciasávot Hertzben egyenlő távolságra tesz
- Csak sztereó pozíciót tárol
- Nemlineáris térközt használ, hogy jobban tükrözze az észlelt hangmagasság-különbségeket