Викторина, связанная с руководством · Жесткий Уровень

АудиоLM Викторина

Узнайте, как AudioLM моделирует продолжение аудио с помощью семантических и акустических токенов, представлений кодеков и обучения только аудио.

Связанные направляющие путиАудиолм
Вопрос 1 из 8

Какую основную идею использует AudioLM для создания звука?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какую основную идею использует AudioLM для создания звука?
    • Он рассматривает аудио как последовательность токенов и прогнозирует следующий, как языковая модель.
    • Он рендерит звук из нот.
    • Он производит выборку случайного шума без обучения.
    • Он записывает и воспроизводит действия человека.
  2. Какова роль «семантических» токенов в AudioLM?
    • Они улавливают прекрасный тембр и записывают шум.
    • Они фиксируют долгосрочную структуру, такую как фонетика и мелодия.
    • Они хранят текстовую расшифровку
    • Они контролируют формат выходного файла
  3. Какой нейронный кодек создает акустические токены AudioLM?
    • МП3
    • ВейвНет
    • SoundStream
    • Шепот
  4. Что AudioLM требует в качестве обучающих данных?
    • Аудио в сочетании с подробными стенограммами
    • Только MIDI-файлы
    • Изображения сигналов
    • Только необработанный звук, без расшифровок
  5. После того как AudioLM прогнозирует семантические токены, как его иерархическая генерация добавляет акустические детали?
    • 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. Какая более поздняя система была построена непосредственно на токенизированном подходе AudioLM?
    • Stable Diffusion
    • MusicLM
    • ГПТ-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