Questionário vinculado ao guia · Médio Nível

Questionário de estimativa de pitch CREPE

Teste como o CREPE estima a afinação a partir de quadros de forma de onda, representa caixas de afinação e lida com gravações de áudio monofônicas barulhentas.

Caminhos de guia relacionadosEstimativa do passo do crepe
Pergunta 1 de 8

O que o CREPE estima a partir de um sinal de áudio?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que o CREPE estima a partir de um sinal de áudio?
    • A frequência fundamental (tom)
    • O envelope de volume
    • O andamento em BPM
    • A marca do instrumento
  2. CREPE foi projetado principalmente para que tipo de áudio?
    • Mixagens orquestrais completas
    • Áudio monofônico (nota única)
    • Gravações de campo estéreo
    • Somente podcasts compactados
  3. Como o CREPE enquadra internamente a tarefa de estimativa de pitch?
    • Como regressão de um único número
    • Como agrupamento de formas de onda
    • Como classificação em muitas caixas de arremesso
    • Como aprendizagem por reforço
  4. O que o CREPE considera como contribuição direta?
    • Uma imagem de espectrograma
    • Um arquivo MIDI
    • Recursos de autocorrelação artesanais
    • Quadros de áudio brutos no domínio do tempo
  5. Aproximadamente a que distância estão as caixas de arremesso do CREPE?
    • 20 centavos
    • 1 semitom
    • 1 oitava
    • 100Hz
  6. What did the CREPE paper report about performance against pYIN?
    • CREPE was proven more accurate on every audio signal
    • CREPE performed equally or better in the evaluated settings, including tests of noise robustness
    • CREPE requires no training data
    • CREPE only works on clean speech
  7. How many waveform samples does an original CREPE frame contain?
    • 360 samples
    • 128 samples
    • 1,024 samples
    • 16,000 samples
  8. How does CREPE refine a frequency estimate around the strongest pitch bin?
    • By averaging every bin equally across the full range
    • By selecting the lowest activation
    • By mapping only to the nearest semitone label
    • By taking a local weighted average of nearby activations