Questionário vinculado ao guia · Médio Nível

Questionário de difusão latente de áudio estável

Estude a difusão de áudio latente condicionada pelo tempo, com a configuração VAE e CLAP original, Stable Audio 2.0, contagens de amostras estéreo e preenchimento de silêncio.

Caminhos de guia relacionadosDifusão latente de áudio estável
Pergunta 1 de 8

Qual técnica principal o Stable Audio usa para gerar áudio?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Qual técnica principal o Stable Audio usa para gerar áudio?
    • Sequenciamento MIDI baseado em regras
    • Somente previsão de token autorregressivo
    • Difusão latente em um espaço de áudio compactado
    • Gravação direta de forma de onda
  2. What timing information conditions the original Stable Audio research setup?
    • Start position and total-duration signals
    • Only a singer’s legal name
    • Only a video display resolution
    • Only the output filename’s alphabetical position
  3. Qual componente comprime o áudio bruto em uma representação latente?
    • Um corretor ortográfico
    • Um gerador de números aleatórios
    • Um mecanismo de fala para texto
    • Um autoencoder variacional (VAE)
  4. What capability did the official April 2024 Stable Audio 2.0 announcement report?
    • A guarantee of six-minute generation in the original 95 sec paper setup
    • Up to three-minute 44.1 kHz stereo generation and audio-to-audio transformation
    • Only silent mono waveform output
    • Only automatic subtitle translation
  5. How does a text-only generation run in the original latent-diffusion setup start?
    • From a noise latent that is denoised using the conditions
    • By necessarily recording a live microphone
    • By copying a complete training song without a model
    • By requiring a complete future waveform as input
  6. Which text encoder is identified in the original Fast Timing-Conditioned Latent Audio Diffusion architecture?
    • Only a handwritten MIDI rule table
    • A required raw image-pixel encoder
    • An unspecified choice guaranteed identical across all versions
    • A CLAP text encoder
  7. At 44.1 kHz stereo, how many individual channel amplitude values occur in one second before file encoding?
    • 44,100
    • 88,200
    • 22,050
    • 176,400
  8. In the original 95-second window example, a 30-second requested signal is followed by how much silence before trimming?
    • 30 seconds
    • 95 seconds
    • 65 seconds
    • 125 seconds