Kuis terkait panduan · Sedang Tingkat

Kuis Gen Musik

Tinjau pengondisian teks dan melodi MusicGen, token EnCodec, interleaving aliran autoregresif, dan batasan penggunaan model.

Jalur panduan terkaitGen Musik
Pertanyaan 1 dari 8

Which input can a melody-conditioned MusicGen variant accept in addition to text?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Which input can a melody-conditioned MusicGen variant accept in addition to text?
    • A reference melody
    • Foto dan nomor tempo
    • Loop drum dan klip video
    • Hanya tag genre
  2. Codec saraf manakah yang menghasilkan token audio yang diprediksi oleh MusicGen?
    • SoundStream
    • EnCodec
    • MP3
    • Bisikan
  3. How does MusicGen model multiple EnCodec code streams?
    • Ini menghindari penggunaan jaringan saraf apa pun
    • Ini memerlukan model terpisah per detik audio
    • A single-stage autoregressive Transformer uses delayed, interleaved streams
    • Ini hanya menghasilkan MIDI
  4. Bagaimana cara MusicGen mengikuti melodi yang disediakan tanpa menyalin rekaman persisnya?
    • Ini menghafal file audio
    • Ini mentranskripsikannya ke lembaran musik terlebih dahulu
    • Itu mengabaikan melodi sepenuhnya
    • Ia menggunakan kromagram (profil kelas nada) untuk pengkondisian
  5. Proyek dan perusahaan mana yang merilis MusicGen?
    • Kerajinan Audio Meta
    • AudioLM Google
    • Kotak Jukebox OpenAI
    • Stabilitas Audio Stabil AI
  6. Apa yang membuat pengondisian teks MusicGen?
    • Jaringan gambar konvolusional
    • Pembuat enkode teks T5
    • Generator nomor acak
    • Dekoder EnCodec
  7. What maximum duration does the standard AudioCraft MusicGen implementation set for a single generation?
    • Exactly 12 seconds with no extension support
    • Two minutes in every configuration
    • Up to 30 seconds before using its extended-generation path
    • Unlimited duration in a single model call
  8. What license does the official MusicGen model card list for its pretrained weights?
    • Apache 2.0 for all weights and code
    • Public domain with no conditions
    • MIT for all weights and training data
    • CC-BY-NC 4.0