가이드 연계 퀴즈 · 하드 레벨

오디오LM 퀴즈

의미론적 토큰, 음향 토큰, 코덱 표현, 오디오 전용 교육을 통해 AudioLM이 오디오 연속성을 어떻게 모델링하는지 이해하세요.

관련 가이드 경로오디오필름
질문 1 의 8

AudioLM은 오디오를 생성하기 위해 어떤 핵심 아이디어를 사용합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. AudioLM은 오디오를 생성하기 위해 어떤 핵심 아이디어를 사용합니까?
    • 오디오를 일련의 토큰으로 처리하고 언어 모델처럼 다음 토큰을 예측합니다.
    • 악보에서 오디오를 렌더링합니다.
    • 학습 없이 무작위 노이즈를 샘플링합니다.
    • 인간의 행동을 기록하고 재생합니다.
  2. AudioLM에서 '의미론적' 토큰의 역할은 무엇입니까?
    • 미세한 음색과 녹음 소음을 포착합니다.
    • 음성학 및 멜로디와 같은 장기적인 구조를 포착합니다.
    • 텍스트 내용을 저장합니다.
    • 출력 파일 형식을 제어합니다.
  3. AudioLM의 음향 토큰을 생성하는 신경 코덱은 무엇입니까?
    • MP3
    • 웨이브넷
    • SoundStream
    • 속삭임
  4. AudioLM에는 훈련 데이터로 무엇이 필요합니까?
    • 자세한 스크립트와 페어링된 오디오
    • MIDI 파일만
    • 파형 이미지
    • 스크립트 없이 원시 오디오만 사용
  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. AudioLM의 토큰 기반 접근 방식을 직접 기반으로 구축된 최신 시스템은 무엇입니까?
    • 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