Kuiz AudioLM

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah idea teras yang digunakan oleh AudioLM untuk menjana audio?
   • Ia menganggap audio sebagai jujukan token dan meramalkan yang seterusnya, seperti model bahasa
   • Ia menjadikan audio daripada muzik helaian
   • Ia sampel bunyi rawak tanpa pembelajaran
   • Ia merakam dan memainkan semula persembahan manusia
2. Apakah peranan token 'semantik' dalam AudioLM?
   • Mereka menangkap timbre halus dan merakam bunyi
   • Mereka menangkap struktur jangka panjang seperti fonetik dan melodi
   • Mereka menyimpan transkrip teks
   • Mereka mengawal format fail output
3. Codec saraf manakah yang menghasilkan token akustik AudioLM?
   • MP3
   • WaveNet
   • SoundStream
   • Bisik
4. Apakah yang diperlukan oleh AudioLM sebagai data latihan?
   • Audio dipasangkan dengan transkrip terperinci
   • Hanya fail MIDI
   • Imej bentuk gelombang
   • Audio mentah sahaja, 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 kemudian yang manakah dibina secara langsung pada pendekatan berasaskan 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