Quiz dotyczący rozszerzenia i kontynuacji muzyki AI

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. W jaki sposób model autoregresyjny, taki jak MusicGen, kontynuuje klip audio?
   • Odwraca klip i odtwarza go od tyłu
   • Przeszukuje bibliotekę w poszukiwaniu pasującego nagrania
   • Przewiduje dalsze tokeny kodeka po tokenach dostarczonego dźwięku
   • Rozciąga klip do dłuższego czasu trwania
2. Którego kodeka neuronowego używa MusicGen do przekształcania dźwięku w tokeny?
   • Kodek
   • MP3
   • Demucs
   • MIDI
3. Co robi inpainting audio?
   • Dodaje pogłos do całej ścieżki
   • Regeneruje zamaskowany obszar w środku, zachowując dźwięk po obu stronach
   • Konwertuje dźwięk na nuty
   • Oddziela wokal od instrumentów
4. Dlaczego modele dyfuzyjne dobrze nadają się do malowania?
   • Generują dźwięk pojedynczo
   • Nie wymagają danych szkoleniowych
   • Działają tylko na ciszę
   • Znany dźwięk można utrzymać na stałym poziomie, a odszumiany jest tylko zamaskowany zakres
5. W trybie remiksu lub audio-audio, co kontroluje ustawienie siły?
   • Głośność wyjściowa
   • Format pliku
   • Jaka część oryginalnych danych wejściowych pozostaje w wyniku
   • Liczba wyprodukowanych pędów
6. Do czego służy model separacji źródeł, taki jak Demucs?
   • Dzieli zmiksowany utwór na ścieżki takie jak wokal, perkusja, bas i inne
   • Generuje tekst na podstawie melodii
   • Wykrywa naruszenie praw autorskich
   • Kompresuje dźwięk do przesyłania strumieniowego
7. Dlaczego motyw z pierwszej minuty może zostać zapomniany w dłuższym przedłużeniu?
   • Model usuwa oryginalny plik
   • Tokeny kodeków wygasają po minucie
   • Rozszerzenia zawsze zmieniają gatunek
   • Model widzi tylko ograniczone okno kontekstowe, często poprzez przesuwane okno z najnowszym dźwiękiem
8. Jaka jest sytuacja w zakresie praw w przypadku przedłużenia nagrania komercyjnego, którego nie jesteś właścicielem?
   • Rozszerzenie jest automatycznie Twoje
   • Tworzysz pochodną tego nagrania, a wiele serwisów zabrania jego przesyłania
   • Staje się domeną publiczną
   • Prawa znikają po 30 sekundach nowego dźwięku