Questionário vinculado ao guia · Médio Nível
Questionário de reconhecimento de acordes de áudio
Revise os recursos de croma, decodificação de sequência HMM, separação harmônico-percussiva, alinhamento de batida Chordify e o método de treinamento Lee-Slaney.
Pergunta 1 de 8
Qual é o resultado de um sistema de reconhecimento de acordes de áudio?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Qual é o resultado de um sistema de reconhecimento de acordes de áudio?
- Uma sequência de rótulos de acordes alinhados no tempo
- Uma lista de letras de músicas
- O tamanho do arquivo da gravação
- Uma foto da banda
- Qual recurso é mais importante para o reconhecimento de acordes?
- Data de modificação do arquivo
- Vetores Chroma (classe de pitch)
- Contagem de canais estéreo
- Taxa de bits
- Por que a separação harmônico-percussiva é frequentemente aplicada antes do reconhecimento de acordes?
- Para deixar a música mais alta
- Para traduzir as letras
- Para suprimir o ruído da bateria que obscurece a harmonia
- Para encurtar a música
- Qual é o papel dos modelos ocultos de Markov tradicionalmente desempenhados no reconhecimento de acordes?
- Gerando a capa do álbum
- Comprimindo o áudio
- Afinando o violão
- Suavização de sequências de acordes usando transições prováveis
- What can small tuning differences do to chroma-based chord recognition?
- Shift energy between nearby pitch bins and confuse closely related chord labels
- Remove all temporal information from the recording
- Make every chord label equally likely
- Convert chroma features into text tokens
- Qual aplicativo é um exemplo bem conhecido de reconhecimento de acordes para alunos?
- Um programa de planilha
- Acordar
- Um aplicativo de clima
- Um rastreador de voo
- Which two processes does Chordify identify in placing chord labels on a song?
- Speaker diarization and voice activity detection
- Source separation and image captioning
- Chord recognition and beat tracking
- Pitch correction and text-to-speech
- How did Lee and Slaney create supervised training labels for their HMM chord-recognition method?
- They used only unlabelled live recordings
- They transcribed lyrics and inferred chords from word sentiment
- They used random labels and optimized without audio
- They generated labels by harmonic analysis of symbolic music and paired them with audio rendered from the same symbolic data