Викторина, связанная с руководством · Легко Уровень

Викторина по разделению музыки Open-Unmix

Просмотрите воспроизводимую базовую линию разделения стеблей Open-Unmix, целевые модели, маскировку спектрограмм и контекст обучения MUSDB18.

Связанные направляющие путиОткрыть разделение музыки Unmix
Вопрос 1 из 8

Что делает Open-Unmix?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что делает Open-Unmix?
    • Разделяет песню на основы, такие как вокал, ударные, бас и другие.
    • Генерирует тексты из мелодий
    • Сжимает звук в MP3
    • Автоматическая настройка гитары
  2. Какая нейронная сеть лежит в основе Open-Unmix?
    • Сверточный GAN
    • Трехслойный двунаправленный LSTM с плотными слоями.
    • Лес решений
    • Диффузионный трансформатор
  3. На каком представлении работает Open-Unmix?
    • Только необработанный сигнал
    • События MIDI-нот
    • Спектрограмма магнитуды смеси
    • Изображения нот
  4. На каком наборе данных обучается Open-Unmix?
    • ImageNet
    • LibriРечь
    • КОКО
    • MUSDB18
  5. Какова была основная цель разработки Open-Unmix?
    • Быть прозрачным, воспроизводимым эталонным базовым уровнем.
    • Выиграть все таблицы лидеров любой ценой
    • Для запуска только на проприетарном оборудовании
    • Чтобы заменить людей-музыкантов
  6. Как Open-Unmix восстанавливает отделенный стебель после предсказания маски?
    • Он синтезирует звук с нуля с помощью вокодера.
    • Он умножает маску на величину смеси и повторно использует исходную фазу посредством обратного STFT.
    • Он воспроизводит исходный файл без изменений.
    • Он преобразует маску в текст
  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