แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
การแท็กเพลงด้วย Transformers Quiz
ทำความเข้าใจการแท็กเพลงโดยใช้หม้อแปลง เอาต์พุตแบบหลายป้ายกำกับ การฝึกเสียงล่วงหน้า การวัดประสิทธิภาพ และโมเดลข้อความเสียงที่ตัดกัน
คำถาม 1 ของ 8
เหตุใดการแท็กเพลงจึงถือเป็นปัญหาหลายป้ายกำกับ
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- เหตุใดการแท็กเพลงจึงถือเป็นปัญหาหลายป้ายกำกับ
- เนื่องจากแทร็กเดียวสามารถบรรทุกหลายแท็กพร้อมกันได้
- เพราะแต่ละเพลงมีแท็กที่ถูกต้องเพียงแท็กเดียว
- เพราะแท็กจะเป็นตัวเลขเสมอ
- เนื่องจากมีเพียงหนึ่งประเภทต่อศิลปินเท่านั้น
- In the Audio Spectrogram Transformer paper, what audio representation is split into patches?
- A list of MIDI note names
- สเปกโตรแกรมล็อก-เมล
- A sequence of album-cover pixels
- A transcription of the song’s lyrics
- เหตุใดโมเดลการแท็กเพลงจึงใช้เอาต์พุต sigmoid ต่อแท็กแทนที่จะเป็น softmax อันเดียว
- Sigmoids คำนวณได้เร็วกว่า
- Softmax ไม่สามารถทำงานด้วยเสียงได้
- เนื่องจากแท็กสามารถเกิดขึ้นร่วมกันได้และไม่แยกจากกัน
- เพื่อลดจำนวนแท็ก
- บทบาทของการฝึกอบรมล่วงหน้าแบบมีผู้ดูแลด้วยตนเองสำหรับโมเดลอย่าง MERT คืออะไร?
- มันติดป้ายกำกับเพลงด้วยมือ
- มันลบเสียงร้องออกจากแทร็ก
- ใช้ได้กับดนตรีคลาสสิกเท่านั้น
- โดยจะเรียนรู้การแสดงเสียงที่ชัดเจนจากคลิปที่ไม่มีป้ายกำกับก่อนทำการปรับแต่งแบบละเอียด
- ชุดข้อมูลใดที่มักใช้เพื่อปรับแต่งและเปรียบเทียบแท็กเกอร์เพลง
- MagnaTagATune
- มินนิสต์
- อิมเมจเน็ต
- หน่วย
- โมเดลสไตล์ CLAP เปิดใช้งานการแท็กเพลงแบบ Zero-shot ได้อย่างไร
- ด้วยการท่องจำทุกบทเพลง
- โดยการจัดแนวคำอธิบายเสียงและข้อความในพื้นที่ฝังที่ใช้ร่วมกัน
- โดยการแปลงเพลงให้เป็นภาพ
- โดยกำหนดให้ต้องมีป้ายกำกับสำหรับทุกแท็กที่เป็นไปได้
- Which metric can evaluate a music tagger’s ability to rank relevant tags highly?
- อัตราข้อผิดพลาดของคำ
- Peak signal-to-noise ratio
- Mean average precision
- BLEU score
- What does the musicnn repository provide?
- A text-only sentiment classifier
- A digital audio workstation
- A collection of manually composed MIDI scores
- Pretrained convolutional neural networks for music audio tagging