Questionário AudioLM

As respostas e explicações aparecem conforme você responde ao teste.

1. Qual ideia central o AudioLM usa para gerar áudio?
   • Ele trata o áudio como uma sequência de tokens e prevê o próximo, como um modelo de linguagem
   • Ele renderiza áudio de partituras
   • Ele amostra ruído aleatório sem aprendizado
   • Ele grava e reproduz performances humanas
2. Qual é o papel dos tokens ‘semânticos’ no AudioLM?
   • Eles capturam timbre fino e gravam ruído
   • Eles capturam estruturas de longo prazo, como fonética e melodia
   • Eles armazenam a transcrição do texto
   • Eles controlam o formato do arquivo de saída
3. Qual codec neural produz tokens acústicos do AudioLM?
   • MP3
   • WaveNet
   • SoundStream
   • Sussurro
4. O que o AudioLM exige como dados de treinamento?
   • Áudio emparelhado com transcrições detalhadas
   • Somente arquivos MIDI
   • Imagens de formas de onda
   • Apenas áudio bruto, sem transcrições
5. Depois que o AudioLM prevê tokens semânticos, como sua geração hierárquica adiciona detalhes acústicos?
   • 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. Qual sistema posterior foi construído diretamente na abordagem baseada em tokens do 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