Quiz AudioLM

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jakiej podstawowej idei używa AudioLM do generowania dźwięku?
   • Traktuje dźwięk jako sekwencję tokenów i przewiduje następny, podobnie jak model językowy
   • Renderuje dźwięk z nut
   • Próbkuje losowy szum bez uczenia się
   • Rejestruje i odtwarza ludzkie działania
2. Jaka jest rola tokenów „semantycznych” w AudioLM?
   • Wychwytują delikatną barwę i nagrywają hałas
   • Uchwycą długoterminową strukturę, taką jak fonetyka i melodia
   • Przechowują transkrypcję tekstu
   • Kontrolują format pliku wyjściowego
3. Który kodek neuronowy generuje tokeny akustyczne AudioLM?
   • MP3
   • Sieć WaveNet
   • SoundStream
   • Szeptać
4. Czego AudioLM wymaga jako danych treningowych?
   • Dźwięk połączony ze szczegółowymi transkrypcjami
   • Tylko pliki MIDI
   • Obrazy przebiegów
   • Sam surowy dźwięk, bez transkrypcji
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. Który późniejszy system został zbudowany bezpośrednio w oparciu o podejście oparte na tokenach 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