Test legat de ghid · Mediu Nivel

Test de difuzie latentă audio stabilă

Study timing-conditioned latent audio diffusion, with the original VAE and CLAP setup, Stable Audio 2.0, stereo sample counts, and silence padding.

Căi de ghidare aferenteDifuzie latentă audio stabilă
Întrebare 1 de 8

Ce tehnică de bază folosește Stable Audio pentru a genera audio?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Ce tehnică de bază folosește Stable Audio pentru a genera audio?
    • Secvențiere MIDI bazată pe reguli
    • Numai predicția cu simbol autoregresiv
    • Difuzie latentă într-un spațiu audio comprimat
    • Înregistrare directă a formei de undă
  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. Ce componentă comprimă audio brut într-o reprezentare latentă?
    • Un verificator ortografic
    • Un generator de numere aleatorii
    • Un motor de vorbire în text
    • Un autoencoder variațional (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