Kuis AudioLM

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Ide inti apa yang digunakan AudioLM untuk menghasilkan audio?
   • Ini memperlakukan audio sebagai rangkaian token dan memprediksi yang berikutnya, seperti model bahasa
   • Ini membuat audio dari lembaran musik
   • Ini mengambil sampel kebisingan acak tanpa pembelajaran
   • Ini merekam dan memutar ulang penampilan manusia
2. Apa peran token 'semantik' di AudioLM?
   • Mereka menangkap timbre yang bagus dan merekam kebisingan
   • Mereka menangkap struktur jangka panjang seperti fonetik dan melodi
   • Mereka menyimpan transkrip teks
   • Mereka mengontrol format file keluaran
3. Codec saraf manakah yang menghasilkan token akustik AudioLM?
   • MP3
   • GelombangNet
   • SoundStream
   • Bisikan
4. Apa yang dibutuhkan AudioLM sebagai data pelatihan?
   • Audio dipasangkan dengan transkrip mendetail
   • Hanya file MIDI
   • Gambar bentuk gelombang
   • Audio mentah saja, tanpa transkrip
5. After AudioLM predicts semantic tokens, how does its hierarchical generation add acoustic detail?
   • It predicts coarse acoustic tokens, then fine acoustic tokens
   • It predicts fine acoustic tokens, then coarse acoustic tokens
   • It predicts coarse acoustic tokens before semantic tokens
   • It predicts acoustic tokens without a semantic-token stage
6. Sistem manakah yang kemudian dibangun langsung berdasarkan pendekatan berbasis token AudioLM?
   • Stable Diffusion
   • MusicLM
   • GPT-2
   • DALL-E
7. Which model does AudioLM use to produce its semantic token sequence?
   • A text-only GPT decoder trained on transcripts
   • The SoundStream waveform decoder
   • A self-supervised w2v-BERT representation model
   • A hand-authored MIDI score
8. What audio types did the AudioLM paper demonstrate continuing from an audio prompt?
   • Only environmental noise and no music
   • Spoken text transcripts and MIDI files only
   • Images and silent video clips
   • Speech and piano music