Quiz dotyczący kodeków neuronowych SoundStream

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Które trzy komponenty składają się na architekturę SoundStream?
   • Koder, kwantyzator wektorów resztkowych i dekoder
   • Tokenizator, transformator i wokoder
   • Spektrogram, warstwa uwagi i klasyfikator
   • Kompresor, korektor i wzmacniacz
2. Jaka technika pozwala pojedynczemu modelowi SoundStream obsługiwać wiele różnych przepływności bez konieczności ponownego uczenia?
   • Odejmowanie widmowe
   • Rezygnacja z kwantyzatora (skalowalne RVQ)
   • Dekodowanie wyszukiwania wiązki
   • Kompresja zakresu dynamiki
3. W testach odsłuchowych Google stwierdzono, że SoundStream przy 3 kb/s jest lepszy od jakiego kodeka przy 12 kb/s?
   • MP3
   • FLAC
   • Opus
   • AAC
4. Jakiego rodzaju dodatkowego sygnału treningowego używa SoundStream, aby dźwięk wyjściowy był naturalny?
   • Model nagrody za uczenie się przez wzmacnianie
   • Ukryty model Markowa
   • Filtr audio oparty na regułach
   • Dyskryminator kontradyktoryjny w stylu GAN
5. Jak szybkość transmisji SoundStream ma się do jego kwantyzatorów?
   • Bardziej aktywne warstwy kwantyzatora zwiększają szybkość transmisji
   • Szybkość transmisji jest stała niezależnie od kwantyzatorów
   • Mniejsza liczba kwantyzatorów zawsze zwiększa szybkość transmisji
   • Kwantyzatory wpływają tylko na opóźnienie, a nie na szybkość transmisji
6. Dlaczego SoundStream jest istotny dla generatywnych modeli audio?
   • Usuwa cały szum tła z każdego nagrania
   • Jego dyskretne tokeny służą jako dane wejściowe dla modeli takich jak AudioLM i MusicLM
   • Działa tylko na tekście, nie na dźwięku
   • Zastępuje potrzebę jakiejkolwiek sieci neuronowej
7. Which factors determine SoundStream’s bitrate in the guide’s simplified relationship?
   • Audio duration and speaker identity only
   • The number of loss functions and dataset labels
   • Frame rate, active quantizer count, and bits per codebook
   • The decoder’s color depth and image resolution
8. Why does quantizer dropout help SoundStream degrade gracefully at lower rates?
   • It removes the encoder from the architecture
   • It makes every codebook transmit more bits
   • It replaces reconstruction with a language-model loss
   • It trains earlier codebooks to retain the most important information when later ones are omitted