Quiz dotyczący syntezy tekstu na dźwięk AudioGen

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. What task does the cited AudioGen study address?
   • Only exact transcript-to-speech rendering
   • Tylko klasyfikacja obrazu
   • Generating general audio conditioned on descriptive text
   • Only converting every audio event into MIDI notation
2. Jaki jest pierwszy etap prac AudioGen?
   • Autoenkoder audio, który zamienia przebiegi w dyskretne tokeny
   • Model tekstu na obraz
   • Rozpoznawanie mowy
   • Koder wideo
3. Jaki typ modelu przewiduje tokeny audio?
   • Splotowy klasyfikator obrazu
   • Drzewo decyzyjne
   • Prosty regresor liniowy
   • Autoregresyjny model języka Transformera
4. What does AudioGen’s original mixed-source augmentation do?
   • Only concatenates unmodified waveform clips end to end
   • Mixes audio samples and concatenates their corresponding text captions
   • Deletes both source captions
   • Changes every sound into a silent recording
5. Która większa biblioteka Meta zawiera AudioGen?
   • AudioCraft
   • Błyskawica PyTorcha
   • Hub TensorFlow
   • Przytulające dyfuzory do twarzy
6. W jaki sposób generowany jest końcowy przebieg z tokenów wygenerowanych przez AudioGen?
   • Tokeny są drukowane jako tekst
   • Są wysyłane e-mailem na serwer
   • Są renderowane jako obraz
   • Dekoder kodeków konwertuje tokeny z powrotem na dźwięk
7. Which two model contributions are combined by classifier-free guidance in the original AudioGen formulation?
   • Only the left and right display colors
   • Text-conditional and unconditional log-probability contributions
   • Only two unrelated image filenames
   • A required human transcript and a password
8. What additional input defines AudioGen’s studied audio-continuation setup?
   • Only a blank file extension
   • A mandatory complete future waveform as the answer
   • An initial acoustic audio prefix
   • Only a screenshot of the source code