Викторина по нейронному кодеку SoundStream

Ответы и пояснения появляются по мере прохождения теста.

1. Какие три компонента составляют архитектуру SoundStream?
   • Кодер, квантователь остаточного вектора и декодер
   • Токенизатор, преобразователь и вокодер
   • Спектрограмма, слой внимания и классификатор
   • Компрессор, эквалайзер и усилитель
2. Какой метод позволяет одной модели SoundStream обслуживать множество разных битрейтов без переобучения?
   • Спектральное вычитание
   • Отсев квантователя (масштабируемый RVQ)
   • Декодирование поиска луча
   • Сжатие динамического диапазона
3. В тестах прослушивания Google было обнаружено, что SoundStream со скоростью 3 кбит/с превосходит какой кодек со скоростью 12 кбит/с?
   • МП3
   • ФЛАК
   • Опус
   • ААС
4. Какой дополнительный обучающий сигнал использует SoundStream, чтобы сделать звук естественным?
   • Модель вознаграждения за обучение с подкреплением
   • Скрытая марковская модель
   • Аудиофильтр на основе правил
   • Состязательный дискриминатор в стиле GAN
5. Как битрейт SoundStream связан с его квантователями?
   • Более активные слои квантования увеличивают битрейт
   • Битрейт фиксирован независимо от квантователей.
   • Меньшее количество квантователей всегда увеличивает битрейт
   • Квантизаторы влияют только на задержку, но не на битрейт
6. Почему SoundStream важен для моделей генеративного звука?
   • Он удаляет весь фоновый шум из любой записи.
   • Его дискретные токены служат входами для таких моделей, как AudioLM и MusicLM.
   • Работает только с текстом, а не со звуком.
   • Это заменяет необходимость в любой нейронной сети.
7. Which factors determine SoundStream’s bitrate in the guide’s simplified relationship?
   • Audio duration and speaker identity only
   • The number of loss functions and dataset labels
   • Frame rate, active quantizer count, and bits per codebook
   • The decoder’s color depth and image resolution
8. Why does quantizer dropout help SoundStream degrade gracefully at lower rates?
   • It removes the encoder from the architecture
   • It makes every codebook transmit more bits
   • It replaces reconstruction with a language-model loss
   • It trains earlier codebooks to retain the most important information when later ones are omitted