Deschide-Unmix Muzica Separare Test

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Ce face Open-Unmix?
   • Separă o melodie în ramuri precum voce, tobe, bas și altele
   • Generează versuri din melodii
   • Comprimă audio în MP3
   • Acordează automat chitarele
2. Ce rețea neuronală se află la baza Open-Unmix?
   • Un GAN convoluțional
   • Un LSTM bidirecțional cu trei straturi cu straturi dense
   • O pădure de decizie
   • Un transformator de difuzie
3. Pe ce reprezentare funcționează Open-Unmix?
   • Numai forma de undă brută
   • Evenimente de note MIDI
   • Spectrograma de mărime a amestecului
   • Imagini cu partituri
4. Pe ce set de date este antrenat Open-Unmix?
   • ImageNet
   • LibriSpeech
   • COCO
   • MUSDB18
5. Care a fost obiectivul principal de design al Open-Unmix?
   • Pentru a fi o linie de referință transparentă, reproductibilă
   • Pentru a câștiga fiecare clasament cu orice preț
   • Pentru a rula numai pe hardware proprietar
   • Pentru a înlocui muzicienii umani
6. Cum reconstruiește Open-Unmix o tulpină separată după ce prezice o mască?
   • Sintetizează sunetul de la zero cu un vocoder
   • Înmulțește masca cu mărimea amestecului și reutiliza faza originală prin STFT invers
   • Redă fișierul original neschimbat
   • Convertește masca în text
7. In the original Open-Unmix reference design, how are target stems modeled?
   • One language model predicts all lyrics
   • A single fixed equalizer separates every instrument
   • A separate target-specific network is trained for each stem
   • A classifier only labels the whole song
8. What is a stated reason Open-Unmix uses framework-specific implementations?
   • To prevent researchers from comparing results
   • To require proprietary hardware
   • To eliminate all pre- and post-processing
   • To keep implementations clear and reproducible across supported frameworks