AudioLM Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. AudioLM ses üretmek için hangi temel fikri kullanıyor?
   • Sesi bir dizi belirteç olarak ele alır ve bir dil modeli gibi bir sonrakini tahmin eder
   • Notalardan ses üretir
   • Öğrenme olmadan rastgele gürültüyü örnekler
   • İnsan performanslarını kaydeder ve tekrar oynatır
2. AudioLM'de 'anlamsal' belirteçlerin rolü nedir?
   • İnce tınıyı yakalar ve gürültüyü kaydederler
   • Fonetik ve melodi gibi uzun vadeli yapıları yakalarlar
   • Metin transkriptini saklarlar
   • Çıktı dosyası formatını kontrol ediyorlar
3. AudioLM'nin akustik belirteçlerini hangi sinir kodlayıcı üretir?
   • MP3
   • WaveNet
   • SoundStream
   • Fısıltı
4. AudioLM eğitim verileri olarak neye ihtiyaç duyar?
   • Ayrıntılı transkriptlerle eşleştirilmiş ses
   • Yalnızca MIDI dosyaları
   • Dalga formlarının görüntüleri
   • Transkript olmadan yalnızca ham ses
5. After AudioLM predicts semantic tokens, how does its hierarchical generation add acoustic detail?
   • 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. Daha sonraki hangi sistem doğrudan AudioLM'in belirteç tabanlı yaklaşımı üzerine inşa edildi?
   • Stable Diffusion
   • MusicLM
   • GPT-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